核心观点
- AI 在医疗保健领域的应用已非常普遍且正在加速发展。超过 81% 的美国医生现在在他们的实践中使用 AI，而 79% 的美国成年人可能会在网上搜索健康信息，并且多数人认为 AI 生成的回答至少 somewhat 可靠。
- AI 临床护理交付技术堆栈正在成熟。该报告将 AI 护理交付生态系统概念化为一个五层堆栈，从基础模型和世界模型开始，通过数据流动性、工作流程优化和护理协调，到直接护理交付模型和消费者健康工具。
- 数据质量是成功的关键，结果衡量标准必须发展。美国医疗保健测量基础设施与 AI 产生的实时、个性化、前瞻性和通常自主的干预措施在结构上不相容。解决这种测量差距是可扩展的、可报销的 AI 驱动护理的前提条件。
- 监管环境正在变化。FDA 于 2026 年 1 月发布了关于临床决策支持 (CDS) 软件的最终指南，扩大了非设备 CDS 的途径，但最具雄心的 AI 应用——自主诊断、代理护理管理和机器人手术——面临着复杂的多司法管辖区的监管环境。
- 未来护理交付的愿景是结构性转型，而不是增量改进。护理场所将继续从住院转移到门诊再到家庭。人员配置模式将从以医生为中心发展到以团队为中心，再到 AI 增强和选择性自主。机器人和微型机器人干预将扩展传统设施之外的可治疗范围。
关键数据
- 81% 的美国医生现在在他们的实践中使用 AI。
- 79% 的美国成年人可能会在网上搜索健康答案。
- AI 临床性能基准正在以始终超出预期的速度改进，现在在大多数定义明确的临床功能中得分比人类更好。
- 预计到 2034 年，美国医生将出现 37,800 到 124,000 人的短缺。
- 超过 83 百万美国人居住在初级保健专业人员短缺地区。
研究结论
- AI 将在短期内提高利用率并导致更高的医疗成本，但在长期内改善医疗结果并降低成本。AI 驱动的需求过剩将在短期内导致医疗成本上升，而随着 AI 驱动的预防性干预措施的成熟，成本将在长期内下降。
- 行政自动化是解决累积收支平衡问题的桥梁资金。即使在最激进的临床 AI 置换情况下，到 2040 年，累积的 NHE 仍然高于基线，因为早期采用的前几年产生的需求过剩太大。
- 美国医疗保健融资系统的问题是更健康社会的主要障碍。在美国，提供者没有被激励提供预防性护理，而消费者的行为改变激励受到监管的限制。
- 美国在采用速度方面处于结构性劣势，但最终将被迫采用 AI。与中国的中央管理系统和印度的自上而下的系统相比，美国的市场能够创新并开发比自上而下的监管通常产生的更好的结果指标。
- 护理场所将从高护理强度转移到低护理强度，从住院到门诊再到家庭。随着 AI 的发展，这种转变将加速。
- 医生的工作量将通过 AI 的采用得到缓解。预计辐射学、内科（普通）、皮肤科、家庭医学（普通）和内分泌学将获得最高水平的 AI 协助准备，从而产生最大的收益，同时也面临更高的长期颠覆风险。
- 机器人辅助（家庭保健）代表了多个技术流水的汇聚。当前和近期的家庭保健机器人可以监控患者的活动和移动模式，分发和验证药物管理，通过实时运动跟踪和反馈提供物理治疗指导，收集环境健康数据（温度、空气质量、活动水平），检测跌倒并提醒护理人员或紧急服务，并促进远程医疗访问。
