AI 医生不会免费工作

本文信息来源：8vc

与 Finn Kennedy 共同撰写

我们很幸运地生活在一个医疗专业知识成本快速趋近于零的时代。就在过去几个月，OpenAI 的模型被证明在例行医疗任务上优于医生 ，而微软则展示了一个具备超人诊断能力的模型组合。如果你自己曾使用过 LLM 来咨询医学问题，那么你很可能已经意识到这项技术在改善病患生活、应对长期的劳动力短缺以及提升美国人健康方面的巨大潜力。

但即便 8VC 投资组合公司 Cognition 今天已经在自动化软件开发的部分环节，Candid 正在将劳动力从医疗收入周期管理中剔除，智能代理也正在从法律到客户服务再到招聘等领域广泛出现——你的医生仍然不会部署一个 AI 代理来处理你的问诊或用药调整。我们最近写过一篇关于一波 AI 服务公司如何通过自动化此前被认为需要人类判断的知识型工作来重塑行业的文章。那为什么不是医疗领域呢？

人们常说安全、质量和准确性是需要克服的主要障碍，但这种看法是错误的。我们的问题更在于支付体系。医疗领域的大多数支付并非来自个人消费者，而是来自健康保险公司。美国医疗保险与医疗补助服务中心（CMS）制定了各种健康保险向医院、医生及其他类型临床人员支付的规则。但它尚未明确定义如何为辅助医生或能自主提供服务的人工智能付费。

机器人不会免费工作。要将人工智能引入医疗服务，CMS 也需要为原生人工智能医疗建立付费通道。

今天对临床医生的支付如何运作？

CMS 依赖于一套超过 10,000 个五位数的现行程序术语（CPT）代码来定义临床医生可以提供的所有可计费服务。例如 36415 是常规静脉穿刺；90471 指疫苗接种；还有其他代码对应会诊、影像检查、手术等。CPT 代码集由美国医师协会（AMA）内的 CPT 编辑小组维护，该小组每年召开三次会议，审议新代码和定义变更。

我们为每个代码支付多少？报销费率由美国医师协会（AMA）的 RVS 更新委员会（“RUC”） 确定，该委员会定义了完成某项编码服务所需劳动的数量和复杂性以及设备和耗材的成本。这些因素再乘以一个美元价值的转换因子 ，以得出该代码的 Medicare 价格。 

这些代码和价格并不仅被 Medicare 使用。美国所有形式的私人健康保险也使用相同的代码集来定义可计费服务，并以 Medicare 的价格作为其自身费率的基础。

RUC 定义了决定某一 CPT 付款的关键术语：用于该服务的劳动数量和复杂性（RVU_W）、如耗材和设备等的执业费用（RVU_PE）以及医疗事故保险费用。这些术语各自按地理因子（G_W 和 G_PE）进行调整，以考虑当地成本差异。各项相加后再乘以由国会和 CMS 设定的转换因子（CF），从而得出该 CPT 的美元报销金额。

即使不考虑人工智能原生服务带来的新挑战，由 AMA 主导的这一流程也备受争议。劳动复杂性具有主观性，可能被资源充足的专业团体操纵，从而损害初级和预防性护理——更不用说 AMA 通过将 CPT 许可给 CMS、商业保险公司和电子病历供应商每年获得的大约 $3 亿费用。AMA 对美国医疗体系结构的影响并非新鲜事，保罗·斯塔尔（Paul Starr）因《 美国医学的社会转型 》在 1984 年获得普利策奖，我们在此不赘述。

与我们讨论相关的是，CPT 构建于更早的 20 世纪医疗模式：一名医生在房间内执行单一的医疗操作。这类服务是它擅长分类和定价的。但人工智能的出现为改变人类临床医生与计算机之间的工作分配提供了机会。由于代理（agents）具有无限可扩展性，护理可以是持续的或临时的，能够随时随地提供，其效用不再受限于人力投入。而我们几乎已使得健康保险无法为其中任何形式支付费用。

如果我们试图将其归结为要点，我们现行 CPT 体系所构成的主要障碍是：

• 代码定义的时钟速度：CPT 编辑小组每年只开三次会，但每天都有新型以 AI 为核心的服务诞生。过去那种适用于医疗服务创新寥寥的世界的方法，根本无法适应当下正在发生的可能性大爆发。我们需要一个快速且高吞吐量的替代方案。虽然 CPT 编辑委员会由医学专家组成，但今天技术人员也需要有一席之地。
• 情节性强调：CPT 代码通常与有明确时间和空间界定的独立护理情节相对应。但 AI 代理具有无限可扩展性，可以随时随地按连续或临时方式被调用——独立运行或与临床医生的周期性参与相结合。在很多情况下，由 CPT 定义的情节性支付比更类似订阅模式的方案更不合适。
• 基于劳动的定价： 与人力劳动挂钩的定价模式会惩罚那些通过减少特定服务所需人力而实现的 AI 驱动护理交付。患者在用更少的人力得到相同结果时，支付是否应降低？有些服务可能由代理与患者互动，仅在必要时才升级至临床医生。我们如何为具有高度可变劳动成分的服务定价？
• 对质量与便利性漠不关心： 这种定价模式也不根据质量做出区分，也不奖励能提供最佳患者体验的服务。即便在没有 AI 的情况下这也是一个问题，但在我们的支付体系正被讨论之时，这一问题更值得深思。

与上述缺点相符，以下是一些有价值的人工智能创新示例，它们的普及在某种程度上被我们的付费通道所拖慢：

• Digital Diagnostics 的 IDx‑Rx 是一种使用自主 AI 模型进行糖尿病视网膜病变筛查的人工智能系统。FDA 在 2018 年批准了该模型，但从那时起花了三年时间讨论才分配到计费代码并确定该代码的定价框架。 
• Nabi 使用一个代理为饮食失调患者提供日常支持，并在必要时定期升级到营养师或医生。如今只有与临床医生的互动可以计费，AI 接触点不能计费。此外，由于临床就诊以 15 分钟为计费单位，临床医生的时间无法灵活用于短时临时或异步互动，否则会侵蚀可计费的就诊次数。 
• 像 Cadence 这样的公司提供远程患者监测（RPM）服务——分析来自连接的血压计、体重秤等设备的数据，并定期与患者互动以管理慢性疾病。目前，已有一些 RPM 收费代码（例如 99454、99457），但报销金额与人工劳动挂钩，这惩罚了由 AI 带来的效率提升。如果 AI 能减少临床医师在分析趋势和帮助患者维持健康方面的工作量，RPM 服务提供者是否应该因而被降低收费标准？或者如果 AI 能帮助临床医师处理更复杂的病例，是否不应给予某种奖励？

现状并没有将医疗领域的 AI 应用完全扼杀。上述每一个例子都能获得部分基于 CPT 的报销。但很难诚实地得出我们的支付体系已为原生 AI 医疗服务提供支持的结论。能够安全地提供卓越患者疗效的新型原生 AI 服务，应该有机会蓬勃发展并惠及那些最需要的人。

要推动以人工智能为本的医疗保健发展，我们必须创造一种更好的方式来获取保险资金。怎样做？

改革 CPT 流程是一个思路。我们认可 AMA 的 数字医学支付咨询小组 为使现有的 RVU 报销框架更公平地评估基于 AI 的服务所作的努力。我们虽然支持，但这有点像把方钉硬往圆孔里塞。鉴于 AI 创新的速度和需要迅速行动的迫切性，我们仍保持审慎。CMS 也许可以围绕 G 代码 建立一个流程，但我们对那条路径也有类似的担忧。

我们可以把私人支付方公平地描述为另一个解脱阀。像 Hinge Health 这样的公司通过与雇主和其他私人健康计划谈判的豁免条款成功发展了其以 AI 为本的服务，完全绕开了 CPT。但这个过程实在太慢，基本上把我们的 Medicare 和 Medicaid 受益人排除在保障之外，更要命的是，它偏袒内部势力而非新兴势力。医疗 AI 新秀不应被迫雇用大批顾问和游说者去说服保险高管，才能为其创造的价值获得报酬。存在更好的路线。

2010 年，《平价医疗法案》（ACA） 设立了 CMS 创新中心（CMMI），其宗旨是“测试创新的支付和服务交付模式，以在保留或提高护理质量的同时减少项目支出。”没有比为以 AI 驱动的护理建立新的支付通道更符合这一使命的做法了。事实上，现任 CMMI 主任 Abe Sutton 曾谈到 AI“ 大幅增加我们医疗服务供给 ”的潜力，以及为 AI 界定报销路径的重要性。

CMMI 应当启动专为原生 AI 护理设计的报销试点。这些试点的一些指导原则可以包括：

• 透明且快速的覆盖决策 ：如今，新的服务如果要获得 CPT 代码或私人支付方的考虑，往往面临缓慢且不透明的决策流程。应为原生 AI 服务创建新的申请流程，并设定明确的资格标准。为医疗领域的新进入者和资深参与者铺设红地毯。提供透明的评估标准和快速的决策时间表。
• 基于真实世界数据的评估 ：对于通过 CMMI 设定资格门槛的原生 AI 服务，可在真实世界中进行测试。要求定期使用 T 代码计费将使 CMS 能够追踪这些新服务的使用场景和患者人群，以便日后评估其对总体医疗费用、服务利用率、可及性和/或患者体验的影响。作为可选项，CMMI 可以将适度的临时报销与 T 代码申报挂钩，以分摊成本并有助于确保良好的记录保存。在某些方面，这可类比于医疗器械的 TCET 通道 。
• 基于价值的定价 ：在评估期结束后，持久性的报销可按能为政府福利项目稳妥带来高回报率的水平设定。报销形式可以是一次性疗程费用、病例费，或按月或按年收取的固定费用。
• 患者选择与竞争 ：CMMI 可选择允许以 AI 为本的服务提供者相对调低或调高患者自付费用。例如，如果两项服务对 CMS 提供的大致价值相同且报销率相同，患者可选择为便捷性或高级功能支付更高费用，或根据自身偏好选择更低成本的选项。

该框架在许多方面必然不完备。评估标准及确定对政府项目的投资回报并非易事。但如果 AI 承担了某项服务的大部分工作且 AI 的边际成本趋近于零，就应能制定出既能为以 AI 为本的服务带来足够利润又能让政府放心不会增加成本的费率。私人付款方也需要采纳 CMMI 认可的 AI 服务和报销方式。鉴于资源有限，CMMI 还需限制申请者和被考虑评估的服务数量。

前文提到的安全性和准确性问题仍需解决，尽管我们认为这主要是一个关于在可接受风险水平与回报之间作出政治决定的问题。人类临床医生犯错的次数并非零。正如 Vinay Prasad 博士在 2015 年的《终结医学逆转》（Ending Medical Reversal）中所写，即便是既定的医疗实践有时也会与安全性和有效性的证据相矛盾。如果人工智能能够增加就诊可及性，我们就应当在患者本来可能得不到任何照护的反事实情形下，对技术予以认可。

—

正如我们此前所写，美国医疗体系正朝着财政清算加速。如果不解决不断上升的医疗福利成本，华盛顿很快将面临越来越多不可能的取舍：切断数百万人的医疗服务、削弱国防、忽视边境安全，或实施惩罚性的税收大幅提高。

人工智能是我们以更低成本获得更多成果的最佳希望。如果我们通过为支持 AI 的医疗服务建立合理的支付渠道，为顶尖医疗专家和技术人员创造创新的机会，我们就能将美国在其他经济领域革命性创新的世界领先创造力，应用于变革医疗服务的提供方式。

‍

致谢

Chris Altchek

John Bertrand

Dr. David Brailer

Meryl Holt

尼尔·科斯拉

罗伯特·诺德格伦博士