从“鲍默尔成本病”审视医疗AI的价值

来源：HIT专家网   作者：朱小兵

2025年8月16日，北京大学国家发展研究院第37期承泽商学举办了主题为“人工智能时代的医疗革新与健康管理重塑”研讨会。知名学者、医疗机构管理者、医疗信息化专家、医疗IT企业高层，从不同视角共话AI对医疗行业的创新价值。北京大学国家发展研究院传播中心主任王贤青担任主持人。

医疗AI可以帮助克服“鲍默尔成本病”吗？

北大博雅特聘教授、国发院经济学教授、全球健康发展研究院院长、中国卫生经济研究中心主任刘国恩教授作题为《医疗的鲍默尔成本与人工智能》的主旨发言。他援引美国相关数据指出，医疗支出占GDP比重呈现持续上涨趋势。背后原因在于，医疗属于生产力相对滞后的服务，主要靠人工提供服务，生产效率基本不变，如果要让医疗从业人员的工资跟上制造业的增长水平，医疗就会变得越来越贵。

鲍默尔成本病理论（Baumol’s Cost Disease），又称为“鲍默尔病”，是由经济学家威廉·鲍默尔在1965年提出的经济现象描述。该理论解释了服务业（如教育和医疗）成本持续攀升的原因。其核心内容是：当经济中存在“进步部门”（如制造业）和“停滞部门”（如服务业）时，进步部门的生产效率快速提升（如通过技术创新和自动化），而停滞部门由于依赖人工服务（如教育、医疗、艺术），其生产效率增长缓慢甚至保持不变‌‌。但为了留住劳动力，停滞部门必须匹配进步部门的工资涨幅，以吸引和留住人才，导致其成本大幅增加‌‌。本质上，这是一种“不平衡增长”的结果。

经济学家们期望，传统依赖人工服务的行业抓住信息技术创新机遇，克服鲍默尔成本病和“数字鸿沟”。

刘国恩教授介绍，斯坦福大学等新近发表的论文显示，医疗是大模型应用普及度排名第三的行业。关于AI在提升客户服务能力的专项调研表明，采用AI可以将解决问题的成功率提高15%，这对于医疗行业很有借鉴意义。AI在医疗行业存在巨大潜力，特别是辅助决策以及促进生物医学发展方面。AI对于医院而言，可以提高运营效率、提高质量安全；对于医生而言，可以提升专业能力、加强对患者的连贯管理；对于医疗支付而言，可以提高理赔效率，增强健康服务管理，为患者提供个性化服务、降低再住院率等。

夯实医疗数据基础，提升全员数字素养

实际上，中国医院信息化已经有超过40年历史。在绝大多数医院尚未引入计算机、建立信息科的年代，计算机技术就被一些敏锐的医院管理者寄予厚望，希望可以代替传统的手工作业流程，提高效率、降低成本，进而提高医疗质量安全。

近年来，在信息技术、业务需求、政策标准三者共同驱动下，医疗行业信息化应用持续普及和深入。比如：互联网医院、线上支付等，减少了人工窗口和排队，提高接诊效率；DRG/DIP、无纸化、云胶片等应用有效降低医院运营成本；合理用药、CDSS、影像AI等模块，进一步增强了医疗质量安全。其中，很多信息系统功能模块的实际成效，并不局限于某个单一维度。

有过27年院长工作经历、长期分管医院信息化工作的北京医师协会副会长、北京佑安医院原院长李宁应邀作主旨发言，介绍了北京佑安医院与北京大医同创科技有限公司合作开展的“以大数据为基础的AI医院管理决策支持体系的研究”。他指出，现代医院管理体系应该朝着实时性、综合性、个体化、智能化目标演进。而要达成这一系列目标，必须花气力治理数据，“数据大”不等于大数据，要通过整合多模态、多维度、标准化等举措，来重构医院管理大数据模型。

“我们的研究表明，基于这一数据模型构建的智能辅助管理决策体系，不存在幻觉，可以帮助管理者实时了解每一个医院、每一个医生的行为和全过程。”李宁说。

不过，在“以评促建”的行业信息化建设热潮下，也不可避免地出现了一些为信息化而信息化的“投资浪费”现象，引发医疗行业对回归医疗IT的价值初心的期盼。这最终离不开全行业数字素养的提升。

中国医院协会信息化专业委员会（CHIMA）主任委员王才有在《提升数字素养，引领医院数字化转型》的主旨发言中提出，推进人类社会发展变革的力量，从宏观经济角度看是技术变革与社会变革，而从微观经济层面上看，是技术变革和管理变革。近年来数字技术快速发展，对于有创新精神的企业家而言，是创新发现的机遇。他们通过数字化转型，为客户提供高质量服务，从而颠覆传统服务模式企业。

“我们在分析被颠覆者的原因时，可以发现，这些被颠覆者，他们并非输在技术能力上。我们必须认识到，企业数字化转型是企业的服务形态创新，是业务模式的重构。”王才有说，“为此，当前我们应注重提高医院领导干部的数字经济思维能力和专业素质，促进数字化转型，实现医院高质量发展。”

医疗AI的当下和未来

本次研讨会设立了主题对话环节。北京中医药大学第三附属医院副院长徐佳、解放军总医院医学大数据研究中心原主任薛万国、通用技术集团健康医疗大数据公司副总经理、通用技术集团数字智能科技公司总经理丁子哲、北京大医同创科技有限公司创始人兼CEO宋平分享了对于医疗AI特别是大模型的洞察。

徐佳认为，医疗AI的机遇与挑战并存。一些成熟的医疗AI持续释放价值，比如AI在影像数据的处理精准度和效率的优势已经确认，主院区的影像科医生可以同时处理来自分院区的影像并出具报告。AI正在催生新的岗位和新兴行业，同时也会消灭一些行业。不同地区和医疗机构之间的资源分布不均、信息化发展不平衡的问题会进一步凸显；数据安全风险也将随之升高；医院依然普遍面临算力等技术瓶颈。

“医疗还存在很多技术、伦理问题，无论AI如何发展，医生依然是医疗服务的主体，AI只是医生的助手。医生要更好地应用AI，包括管理者，都要学习怎么用好AI。”徐佳说。

薛万国介绍，人工智能在医疗领域目前大致可以分成4种技术，相互并存：第一类是基于规则，比如合理用药系统；第二类是基于知识图谱，比如CDSS；第三类是基于数据的机器学习或者深度学习，比如影像AI；第四类就是大模型，今年初爆火的DeepSeek快速催生了大量基于通用大模型的浅层次医疗应用。目前大模型在医疗行业拥有巨大潜力，但总体还处于应用场景的探索阶段，需要努力克服幻觉所带来的影响。

对于医院正在着手编制的“十五五”规划，薛万国建议，医院应该积极拥抱医疗大模型，但也应该根据自身的定位，采取领跑或跟随的策略。

丁子哲介绍，通用技术集团作为特大型国有企业，自2017年以来深度布局大健康产业，涵盖医药、医疗、养老、健康管理、医疗设备等五个业态。医疗机构数量达到406家，其中三级医院34家、二级医院77家；全年门诊人次约为3800万，今年预计突破4000万人次；注册床位数5.2万张。在拥抱新一代人工智能技术方面，通用技术集团两个多月前发布了基于通用大模型自主研发的垂域模型。

就在上个月，通用技术集团发布了“十百千万”计划，构建一个统一的基础算力平台，推动集团所属的10个业态开展AI应用，培养100名高级AI人才，落地1000个场景、打造10000个智能体。比如，在体检场景下，通用技术集团已经落地了总检报告的智能生成，去满足集团内127家从事体检业务的医疗机构的需求。

“我完整地经历了医疗行业从IT到DT时代的变迁，现在又迎来AI时代。”从1997年就开始步入HIS研发领域的宋平认为，医院信息系统迈向智能化是科技创新发展的必然趋势。医院信息化建设不仅要“建系统”，还要“用数据”。但是，仅仅建设数据中心并不能满足智能化要求。因为数据不仅有“量”的积累，更重要的是数据维度的积累，医学数据可用的维度越来越多。数据治理仍是医院步入AI时代的基础工作。“无论是哪一种技术实现的AI，如果没有医学思维和医学逻辑的加入，就无法实现正常的可解释性。”宋平说。

关于医院信息系统的“一体化”趋势，宋平强调，“一体化”不仅是系统功能和界面层面的，更重要的是基于数据体系和业务规则体系的，而且数据体系和业务规则本身应该密不可分。从人工智能算法模型的应用选择上来看，要根据医院不同的应用场景适配不同的选择。

宋平认为，大模型驱动的生成式AI要在医院落地，需要深入解析医院的数据流和业务流。这要经过三个过程：医疗过程文本的数字化，基于医学应用场景的数据框架体系建立，以及基于数据框架体系的AI算法模型的建立。

归根结底，AI对于医疗的价值，仍在于提质增效。

【责任编辑：陈曦 版式：明超】