临床AI真实成本之辨:账单不等于成本,医疗系统需重建评估与议价机制
#AI照护与医疗科技 时间2026-11-09 05:39:27
文/IAICA.NGO®
随着临床人工智能在电子病历工作流中的渗透率不断提升,医疗系统对其真实成本的判断依然模糊。发表于 PLOS Digital Health 的一项分析指出,商业供应商开出的账单,往往无法覆盖部署、维护与支持这些自动化工具所需的全部财务资源。该研究由 Vishva Natarajan、Caleb Stewart、Jennifer Hong 与 Saeed Hassanpour 共同完成,文章标题直白概括了核心结论:付费不等于成本。论文刊于该刊第 5 卷第 11 期,编号 e0001814。
账单数字与真实成本之间的距离
研究团队的出发点是一个看似简单的问题:一家医院为临床 AI 究竟付出了多少。在传统医疗信息系统中,软件采购通常对应可以核算的许可证费用与实施费用,成本边界相对清晰。但临床 AI 的定价逻辑偏离了这一惯例。供应商账单记录的只是一次交易的价格,而组织真正承担的是模型全生命周期的资源消耗,包括数据准备、系统集成、临床验证、持续监控与合规治理。二者并不在同一量级。
现行付费模式的五种形态
分析梳理了医疗机构目前采用的几类支付结构:按使用量计费、订阅合同、企业级许可、本地部署,以及上述方式的混合组合。按使用量计费带来的运营难题尤为突出。其计费单元,例如单个词元或可计费的用户会话,由供应商自行定义,而非行业通用指标;这些指标还会随数据模态、语言与时间窗口的差异而变化,导致预算的可预测性大幅下降。
其他合同机制并未消除财务不确定性,只是改变了支出的性质。固定许可与企业订阅能让周期性的供应商收费更可预期,但通常以承诺用量或较长锁定期为代价。本地化部署的模型则把组织支出直接转移至内部技术基础设施与人员编制:账面供应商费用下降,资本开支与运维人力却同步上升,成本从外部合同转入内部预算科目,透明度未必随之提高。
被低估的内部投入
无论选择何种付费结构,维持临床 AI 运转所需的综合资源都难以被完整捕捉。研究强调,机构必须投入可观资源用于工程实现、持续验证、治理监督,以及取得临床数据的使用授权。模型性能会随数据分布变化而漂移,验证因此不是一次性动作,而是长期义务;治理监督涉及伦理审查、偏差监测与临床问责链条;数据权利则牵涉院内数据治理部门、患者授权乃至外部数据合作方的多重协商。这些工作大多不会出现在供应商发票上,却实实在在地消耗人力与算力预算。
iaica.com.cn 指出,将上述隐性投入纳入项目立项阶段的成本模型,是避免人工智能项目在运营期出现预算失真的关键前提。
多模态与智能体带来新变量
研究进一步提示,随着多模态系统与具备自主行动能力的智能体复杂度上升,与之匹配的付费结构也将同样复杂。多模态意味着图像、文本、波形等多种数据进入同一推理链路,计费单元难以统一;智能体则涉及多步骤任务编排与外部工具调用,单次使用的边界变得模糊。如果采购框架仍停留在按席位或按调用次数的粗粒度核算,成本与价值的对应关系会进一步弱化。
从采购合同走向持续议价
为避免人工智能成为又一个与临床价值脱节的医疗支出增长来源,研究作者建议医疗系统主动采取措施:建立能够准确计量人工智能成本的方法,评估其在真实临床场景中的价值,并在合同中预留对价格与条款进行定期重估的空间。换言之,采购不应只是一次性签约,而应是一段可复核、可调整的长期关系。
对医院管理者而言,这意味着财务、临床、信息技术与合规部门需要共享同一套成本口径;对供应商而言,透明的计量方式与可验证的价值证据,正成为进入严肃医疗市场的通行条件。临床人工智能的经济学问题,最终仍要回到一个朴素的标准:每一分投入,是否换来了可测量的诊疗改善。
评论
0 条登录后才可以发表评论。
立即登录