人工智能如何重塑美国的初级保健体系
近半数的美国初级保健医生表示自己存在职业倦怠现象——这一比例在高收入国家中属于最高水平之一——而繁重的行政工作则是导致这一问题的主要原因。为了完成所有规定的诊疗任务及行政工作，初级保健医生每天需要工作近 27 小时，仅人员流动这一问题就每年给医疗系统带来 2.6 亿美元的损失。越来越多的医生选择离开这个行业，而那些最依赖他们服务的患者则无法获得进入医疗系统的途径。
在 Insight Partners 看来，那种不断增加资源却仍无法获得理想治疗效果的恶性循环必须结束。如果初级保健医生能够明智地运用人工智能，它就会成为一种强大的工具。结合创新的医疗服务模式，人工智能有望带来更好的治疗效果、更低的成本，以及无论患者社会经济状况或地理位置如何都能获得的优质医疗服务。
医疗成本不断上升，但诊疗效果却并未得到改善。
在过去的 30 年里，美国的健康保险费用持续飙升，年均增长率约为 6%，远远超过通货膨胀率和工资增长速度，但相关健康状况的改善效果却并不明显。例如，尽管慢性病的死亡率有所下降，但预期寿命却停滞不前，慢性病的患病率反而有所上升。与其它同类国家相比，美国的预期寿命最低，孕产妇死亡率最高，因慢性疾病而住院治疗的比率也更高。不过，在治疗许多慢性病方面，比如心血管急症和术后并发症，美国仍处于领先地位。
随着医疗支出不断增加，人群健康状况并未得到改善，只有治疗晚期慢性疾病的能力有所提升。
为何会如此？
已濒临极限的初级保健体系
初级保健领域的危机并非仅仅是供需失衡所致，而是数十年来各种结构性决策的结果。医生们的培训方式、薪酬待遇以及工作要求，使得初级保健成了一种难以维持的职业，即便对这类服务的需求却在不断上升。
患者增多，系统依旧不变
由于人口老龄化、公众健康意识提升，再加上医疗系统越来越倾向于通过单一渠道处理所有医疗事务，美国对初级保健服务的需求正在不断增长，速度超过了供应能力。
数据足以说明问题。随着医疗需求激增而医生供给不足，新患者的平均等待时间从 21 世纪初的约 20 天上升到了 2025 年的一个多月。不过，等待时间只是症状而非根本原因，实际上有三股力量正在共同加剧这一压力。
首先是人口结构方面的问题。美国人口正在迅速老龄化，婴儿潮一代使得 65 岁及以上的美国人数量大幅增加。老年患者通常患有多种慢性疾病，需要更频繁地看专科医生，同时对初级保健医生也有更高的期望——这一切都给本已不堪重负的医疗体系带来了巨大压力。
第二类原因是行为层面的。健康素养的提升、面向消费者的医疗广告的增多以及网上健康信息的泛滥，都促使患者更加主动地寻求医疗服务。随着人们健康意识的提高，预防性检查、心理健康服务以及慢性病管理的使用率也有所上升，这进一步增加了作为医疗体系入口点的初级保健医生所承担的压力。
第三种原因是结构性问题，且在很多方面也是最为难以解决的。随着医学日益专业化，初级保健医生往往更像是转诊协调员，而非能够提供全面治疗的医疗人员。每次就诊都会带来后续的转诊、额外的检查以及再次就诊的需求——这种自我强化的循环不断增加患者接触的次数，进而加剧前两种因素所带来的压力。
为何越来越少的医生选择从事初级保健工作
如果初级保健危机的需求端表现为更多患者需要更多的医疗服务，那么供给端则体现为这个行业越来越难以进入，同时也越来越难以在其中长期工作。
最显而易见的压力便是内科医生职业倦怠问题。由于行政工作负担日益加重，挤占了原本吸引众多内科医生从医的诊疗工作，再加上许多医生提前退休甚至彻底离开医疗行业，导致内科医生短缺现象愈发严重。几乎一半的临床医生表示，他们因处理电子健康记录及预先授权管理等与患者护理关系不大的任务而感到疲惫不堪。其后果十分严峻：40%的内科医生正在考虑离开医疗行业，而 80%的内科住院医师则选择专攻亚专业而非从事初级保健工作。
但仅凭职业倦怠这一因素并无法解释为何越来越少的医生选择从事初级保健工作。其经济收益并不具备吸引力。医学院的债务已经上升至 20 万美元以上，而 2000 年时这一数字约为 9 万美元；与此同时，经通胀调整后的初级保健行业薪资却在下降。对于医学生来说，考虑到初级保健在疾病预防、控制医疗成本以及建立长期医患关系方面所创造的价值，其薪酬显然过低。
即便对于那些希望进入初级保健领域的人来说，人才培养渠道也存在诸多限制。根据 1997 年通过的《平衡预算法案》，医疗保险机构主要负责为住院医师培训项目提供资金支持，因此无论实际需求如何，可用的培训名额都是固定的。到 2026 年，医学院的毕业生数量比现有的住院医师培训岗位多出近 6,500 人，这一结构性限制决定了医疗从业者队伍的增长速度。
这样一来，整个医疗行业就面临着多方面的压力：正在从医的医生负担过重，那些考虑从事这一职业的人则缺乏足够的经济激励，同时培训体系也无法扩大规模以满足需求。我们认为，最可行的解决途径是为现有医生提供人工智能工具，帮助他们更高效地工作——对患者进行风险分级、辅助诊断以及协调治疗方案——而不会增加他们的 workload。
费用服务制模式容易引发激励机制的失衡。
自 20 世纪 30 年代以来，按费用服务模式一直主导着医疗行业的报销机制。其运作原理很简单：医疗服务提供者每提供一次医疗服务，就能按照事先商定的费率获得报酬。这样一来，整个系统就倾向于追求更多的服务量——更多的诊疗操作、更多的干预措施、更多可收费的就诊次数——而往往忽视了维护患者健康这一根本目标。初级保健医生每天要接待 20 到 30 名患者，每位患者只能得到大约 15 到 20 分钟的诊疗时间，同时在人群健康筛查和护理协调技术方面的创新也极为有限。
向价值导向型医疗模式的转型
基于价值的护理模式正是为弥补按服务量付费模式的种种缺陷而产生的。该模式通过《平价医疗法案》（2012 年）以及《医疗保险与 CHIP 法案重新授权法》（2015 年）在全国范围内得以推广实施。《平价医疗法案》设立了多种基于诊疗结果的支付机制，包括医院基于价值的采购模式、HAC 指标降低计划、再入院率降低计划以及医疗保险共享储蓄计划——这些机制均旨在奖励那些能够提升服务质量并控制成本的表现，而非单纯依据服务量来给予回报。
医疗保险与医疗补助服务中心逐步推出了这些项目，推动了近期的创新发展，整个过程共分为三个阶段：
评估标准
早期的相关计划对质量指标报告及基本绩效标准仅设有较低的处罚力度和奖励幅度。例如，2013 年，HRRP 对医院以及新成立的责任医疗组织所施加的处罚仅为 1%。由于有较少的经济激励与医疗质量报告挂钩，各医院便开始采用能够提供患者综合信息的科技手段，这促使 Innovaccer 和 Datavant 等公司出现，它们负责在不同医疗服务提供方和支付方之间建立患者长期病历的关联机制。
管理层
随着处罚比例逐渐上升至 3%，加之 MACRA 法案给医疗联合体及个体医生带来了下行风险，人们的关注点便转向了通过更有效的协调来提升护理质量并填补护理缺口。这一需求推动了 Aledade 等公司的成功，它们让医疗联合体的参与变得更加容易，同时也有助于弥补护理缺口。
预防
随着报告体系的不断完善以及质量标准日益严格，医疗系统如今面临着预防慢性疾病而非仅仅对其进行管理的压力。Cadence Care 等企业将远程患者监测技术融入医疗流程中，以便在患者复诊之间主动对其慢性病状况进行管理。
每一次财务压力加剧都会推动护理管理技术体系向更深层次发展——从基础设施、协调机制到疾病预防，各个环节都在不断优化。
CMS 仍在持续推进相关举措。ACCESS 模型代表了其迄今为止最直接的尝试，旨在根据治疗效果而非就诊次数来支付费用。基于价值医疗的支付模式越来越注重预防领域的创新，优先采用那些能够识别并主动管理慢性疾病的技术。
人工智能如何拓展初级保健医生的能力边界
以价值为基础的医疗模式已显著改变了预防措施相关的财务核算方式，但更优的报销政策并不能解决初级保健机构日常面临的种种问题。人工智能能够自动化处理行政事务并协调医疗服务，从而以以往无法实现的方式填补这一空白。
随着诊断技术日益普及，我们认为初级保健的职能范围将会不断拓展，让初级保健医生能够运用这些技术来进行分诊以及处理那些过去只能由专科医生处理的简单手术。这样一来，初级保健医生和专科医生都能有更多时间从事其专业领域内的高级诊疗工作。
先进的筛查技术能够帮助初级保健医生更早、更全面地发现疾病。
初级保健医生往往是最早在疾病发生之前就接诊患者的群体。问题在于他们往往缺乏用于早期发现的相应技术。应用于初级保健领域的新型技术能够帮助这些医生检测更为精细的生物标志物，从而更全面地对患者进行筛查与评估。一旦合适的工具被引入初级保健领域，医生们就能发现那些否则可能被忽视的病症，而专科医生则可以专注于照顾那些最需要他们帮助的患者。
新的检测方法很可能会成为全科医生追踪和量化生物标志物的重要工具。Dermasensor 这类能让全科医生直观观察并评估皮肤病变的公司，以及 Optain Health*这类能够帮助全科医生筛查糖尿病视网膜病变等疾病的公司，便是此类技术的代表。在基层医疗层面运用这些技术，有助于更早发现疾病、优化转诊流程，同时让专家有更多时间专注于处理病情更为严重、复杂的患者。
转诊管理
Better diagnostics can improve efficiency if patients follow up with the right specialists, but unfortunately, up to 50% of subspecialist referrals are never completed更精准的诊断有助于提升效率，前提是患者能找到合适的专科医生进行后续治疗，但不幸的是，多达 50%的转诊请求最终并未得到落实。整个转诊过程存在诸多问题，其中包括：
- 难以找到可就近就医的医保覆盖范围内的专科医生
- 因传真发送或电子健康记录传输不完整而丢失的转诊信息
- 初步严重程度分级不足
- 患者不得不自行安排就诊时间
- Pre-visit coordination gaps that cause appointment rescheduling
- 专科医生很少与转诊他们的初级保健医生进行沟通反馈。
由此产生的结果是医疗服务支离破碎、缺乏协调，往往导致那些最脆弱的患者被忽视。在目前这种碎片化的医疗体系下，需要新的公司和技术来实现临床护理服务的自动化、协调化与高效化。诸如 Medmo*这样能够实现放射学检查转诊流程全流程自动化的公司，以及 Junction 这类可自动化管理血液检测与诊断测试的公司，都在助力提升对患者诊断护理的跟进效率。
助力基层医疗机构开展各项诊疗流程
目前，初级保健医生能够开展的大多数简单手术都需在专科诊所或医院门诊部进行。这类手术往往费用更高，等待时间也更长。造成这一状况的原因有很多，包括培训问题、医生的操作顾虑，以及缺乏合适的场所和设备等。如果能让初级保健医生自行开展这些手术，就能提高患者的就医便利性，减轻专科医生的工作压力，同时增加他们的收入。
这里的创新体现在那些价格合理、由人工智能驱动的诊疗设备上，它们能够让初级保健医生拥有类似专家级的诊疗能力。蝴蝶公司和 Clarius 公司正在推动即时超声诊断技术的普及；Mendaera 公司则让关节注射和活检等需要借助针具的操作能够以半自动化方式完成；而 Ampa 公司则通过人工智能引导下的经颅磁刺激技术，降低了获得神经精神疾病治疗的门槛，无需依赖专业医师的操作。
临床决策支持系统与预测分析技术
两大趋势的叠加使得临床决策支持系统重新具备了应用价值。如今的医疗记录已大多实现数字化，而基因组测序的成本也从 2005 年的每份基因组超过 1000 万美元降到了如今的不到 1000 美元——这为人们创造了十年前还不存在的丰富、连续性的数据集。只要能够正确挖掘这些数据中的规律，就足以显著改变慢性病的识别与治疗方式。
目前最为成熟的应用领域当属精准肿瘤学，其中电子健康记录、多组学数据以及组织病理学数据正被越来越多地用于日常的治疗规划中。其核心价值十分明确：帮助临床医生对疾病进行亚分组分类，并在开始治疗之前预测患者对治疗的反应。我们认为最具发展潜力的领域在于两大方面：一是支撑这一应用的底层数据基础设施，二是基于该基础设施开发的针对特定疾病的应用程序。
大多数用于初步疾病分型的 CDS 平台都需要通过活检并对组织进行数字化处理，以便分析形态学特征和/或推断遗传生物标志物。过去，病理学家一直依赖手工操作，因此实现病理学的数字化是突破这一瓶颈的关键。Pictor Labs*等公司能够利用单个组织样本完成虚拟染色，从而无需通过多次活检来开展不同检测；而 Proscia*则正在推动组织分析流程向线上模式转变。
随着技术的进步以及医生们在更多患者群体中应用这些技术，CDS 平台正变得越来越可行。像 Covera Health*这样的公司致力于为那些诊断常常被忽视的患者优化影像检查与治疗流程。与此同时，各大制药公司也在临床试验中运用这项技术，包括利用 CDS 平台来预测在研药物的疗效，并将最小残留病检测作为临床试验的终点指标。Tempus 正在开发一系列用于患者检测与分层的工具，而 Artera 和 Ataraxis 等公司则正在针对前列腺癌和乳腺癌开发特定的疾病模型。
临床与行政任务的自动化
过去十年间，初级保健医生所承担的行政工作负担持续增加，其中包括电子健康记录的相关任务以及预先授权管理等工作。尽管电子记录实现了数字化，但却反而增加了这些医生的文档处理负担，而代理系统恰恰能够有效解决这一问题。
在 Abridge 和 Ambience Healthcare 等公司的推动下，AI 病历记录系统已取得显著成效，成为迄今为止医疗技术领域中采用速度最快的技术之一。而病历记录仅仅是开始而已。在行政管理领域，也涌现出一系列专为这一需求设计的新型工具：用于预授权处理的 Tennr、用于收入周期管理的 SmarterDx，以及用于日程安排和前台事务自动化的 Assort 与 Hyro。
代理型人工智能有助于缓解日益沉重的行政负担，从而让医生有更多时间和精力用于患者护理。在报销比例持续停滞而行政工作量不断增加的背景下，个体诊所的运营状况愈发恶化。这种负担的减轻将继续帮助医生保持独立性，并为他们留出更多时间照顾患者。
创业者需考虑的因素
以下是我们为那些致力于为初级保健医生提供支持的企业创始人所建议的几点考量：
即时创造价值
初级保健诊所的利润空间通常很窄，同时还要承担不断上升的薪酬、技术及物资成本，而报销费率却保持不变甚至下降。因此，新的工具必须能够为这些诊所带来立竿见影的实际效益。创始人应当问问自己：“如何在不降低收入或减少初级保健医生非临床工作负担的前提下提升护理质量？”
许多基于人工智能的筛查工具难以获得额外的补偿，因为政策制定者更看重通过提高患者处理量来提升投资回报。较高的工作量足以成为促使专科医生采用新工具的动力，而全科医生则往往需要额外的补偿才能接受这些新工具。视网膜筛查则是为这类工具提供额外补偿的少数已有政策支持的例子之一。
开始与工作流程优化
由于多年来的专业训练与流程优化，内科医生的工作流程早已根深蒂固。任何会在现有流程中增加环节的产品都很可能从一开始就失败，无论是要在电子健康记录系统中打开多个新窗口，还是需要进行耗时的额外检测。要让非临床工作人员能够进行检测，或在不增加工作流程负担的情况下将新的检测项目纳入内科医生的常规工作中，才是确保这些技术得到广泛应用并实现投资回报的关键。
在执业范围与转诊关系框架内开展诊疗工作
全科医生与专科医生之间存在着建立在相互信任基础上的转诊网络：专科医生负责提供高质量的诊疗服务，而全科医生则负责准确评估患者风险。对于那些可能出现慢性病或严重疾病迹象的患者，专科医生通常更希望由全科医生先进行转诊，而非试图在没有适当指导的情况下直接进行专科级别的诊断。与此同时，全科医生也往往不愿因超出自身专业培训范围、执业资格或能力范畴而承担声誉风险与法律责任。因此，在全科医生诊所中提供专科医生的指导，能够为当地的诊断工作提供支持与确认。
例如，异步电子会诊功能使得内科医生能够在无需将患者转诊给其他医生的情况下获得专科医生的建议。这种机制能够实现多方利益的平衡：患者可以快速得到解答，内科医生能获得专科医生对诊断结果的确认，而专科医生则可以随时查看那些风险较低的患者病例。在被 Hillrom 收购之前，BardyDx 就已经推出了采用此种架构的心脏病诊疗解决方案。随着生成式人工智能逐渐成为内科医生日常工作流程中的标准工具，未来这类专科医生的支持服务或许还能通过人工智能的辅助得到进一步强化。
初级保健医生是我们医疗体系的支柱，因此为他们提供更多支持显得愈发重要，这样我们的医疗体系才能专注于疾病治疗而非仅仅应对病情危机。要在初级保健医生的诊室中实现诊断与治疗方面的创新，就必须同时解决报销、时间安排以及责任归属等问题。我们的最终目标是在合适的时间、合适的地点，为合适的患者提供优质的医疗服务。
*剪辑师注：Insight Partners 已对 Optain Health、Pictor Labs、Proscia、Medmo、Cleerly、Iterative Health、Screenpoint、Covera Health、Exacare AI 以及 Idoven 等公司进行了投资。
