美国医疗保健行业人工智能应用调查：趋势、挑战和未来方向

亮点

最近的一项调查显示，在233个美国医疗系统中，有80%已经部署了至少试点级别的自动化工具，71%已经集成了人工智能解决方案，包括基于GPT的聊天机器人和转录辅助工具。近一半的系统已实现全面自动化部署，而超过三分之一的系统已完全实施人工智能。尽管成本降低是推动人工智能投资的主要动力，但少于40%的首席财务官认为人工智能投资能够减少总体成本。主要障碍包括资源和资金不足，首席财务官和首席信息官作为主要决策者倾向于选择与现有EHR系统集成的人工智能供应商。数字健康投资领域显示，人工智能初创企业获得大量资金支持，这得益于白宫人工智能行动计划等战略政策举措。

研究背景和临床环境

人工智能（AI）在医疗保健领域的变革力量日益受到认可，提供了提高诊断准确性、简化管理流程、改善患者参与度和降低成本的机会。在医疗费用不断上升和劳动力短缺的背景下，包括聊天机器人、自然语言处理（NLP）转录和预测分析在内的AI驱动自动化工具旨在优化护理交付效率。尽管技术取得了进展，但采用过程中遇到了实施成本、与电子健康记录（EHR）系统集成的挑战以及有限的组织资源等问题，需要明确了解医疗系统内采用模式和障碍。

研究设计和样本

这项横断面调查研究抽样了233个医疗系统受访者，代表了多样化的美国医疗机构。调查测量了自动化和人工智能工具的采用状态，范围从试点到全面部署阶段。受访者报告了人工智能用例、决策结构——包括首席财务官（CFO）和首席信息官（CIO）的角色——感知的益处如成本降低，以及技术采纳的障碍。此外，还评估了对供应商与EHR系统集成的态度和与人工智能供应商共享数据的意愿。使用2025年初的风险资本数据对人工智能初创企业的投资趋势进行了背景分析。

主要发现

在受访者中，80%已经至少在试点级别部署了自动化工具，71%部署了人工智能驱动的解决方案。大约50%的受访者报告了全面自动化部署，而只有36%表示实现了全面人工智能集成，这突显了普遍采用与成熟使用之间的差距。近90%的受访者以某种形式内部使用人工智能，包括基于GPT的聊天机器人和人工智能转录服务，展示了对增强临床和行政功能的人工智能应用的热情。

成本降低是人工智能投资的主要理由。然而，仍存在怀疑态度，只有39%的首席财务官相信人工智能将降低总体成本。这种差异凸显了需要在现实世界医疗环境中进行严格的成本效益分析和展示经济价值。

资源和成本约束是主要障碍：超过80%的受访者表示内部资源不足以识别、选择和实施人工智能解决方案。这指出了阻碍更广泛人工智能采用的关键组织能力差距。

关于人工智能供应商选择的决策主要由首席财务官和首席信息官负责。约75%的受访者更喜欢其人工智能工具与现有EHR系统集成的供应商，这有助于更顺畅的工作流程和数据互操作性。值得注意的是，11%的受访者表示在EHR提供商提供解决方案之前无意投资人工智能。近80%的受访者预计现有供应商或与当前供应商合作的供应商将主导人工智能试点项目，反映出根深蒂固的供应商关系和信任。相应地，类似比例的受访者更愿意与已知供应商共享数据，表明数据安全和隐私是关键考虑因素。

投资趋势反映了这种乐观情绪：2025年初，人工智能初创企业获得了62%的数字健康风险投资，总额接近40亿美元。这些投资流入推动了人工智能创新和市场竞争。同时，白宫最近宣布的人工智能行动计划强调了政府对负责任的人工智能开发和部署的承诺，强化了通过人工智能改善健康结果和系统效率的战略优先地位。

专家评论

这些发现与越来越多的文献一致，强调了人工智能在医疗保健中的双重性质：高潜力但显著的实施障碍。专家们承认，自动化和人工智能对于满足日益增长的临床需求是必要的，但警告说，如果没有足够的基础设施和财政支持，组织可能难以实现人工智能的好处。作为人工智能采用的“守门人”，集成EHR系统的角色表明，未来的创新必须强调互操作性和供应商合作，以增加采纳率。

此外，广泛使用基于GPT和NLP的工具引发了关于数据治理、准确性和伦理使用的疑问，这需要持续的临床验证和监管监督。首席财务官对成本节约的信心相对较低，表明了需要进行稳健的卫生经济学研究以指导投资决策。

结论

该调查提供了美国医疗保健行业人工智能采用的重要快照，揭示了广泛但不均衡的部署、关键的财务和资源障碍，以及对集成供应商生态系统的坚定偏好。虽然人工智能有望降低成本并提高护理交付效率，但医疗系统面临组织挑战，需要在基础设施、劳动力培训和供应商合作方面进行战略性投资。持续的政府支持，如白宫人工智能行动计划所示，加上持续的私人资金投入，突显了人工智能在未来医疗保健中的关键作用。对于临床医生和管理者而言，理解这些不断演变的动力对于利用人工智能的潜力并确保安全、有效和公平的医疗保健创新至关重要。

参考文献

1. Topol EJ. 高性能医学：人类智能与人工智能的融合. Nat Med. 2019;25(1):44-56. doi:10.1038/s41591-018-0300-7
2. Jiang F, Jiang Y, Zhi H, 等. 医疗保健中的人工智能：过去、现在和未来. Stroke Vasc Neurol. 2017;2(4):230-243. doi:10.1136/svn-2017-000101
3. Obermeyer Z, Lee TH. 思维的迷雾——人类思维的局限性和医学的未来. N Engl J Med. 2017;377(13):1209-1211. doi:10.1056/NEJMp1705348
4. 白宫科学技术政策办公室. 国家人工智能倡议：人工智能行动计划. 2024. 可获取于: https://www.whitehouse.gov/ostp/news-updates/2024/06/01/national-ai-initiative-action-plan/ (2024年6月访问)
5. 2025年第一季度数字健康风险投资报告. Rock Health. 2025. 可获取于: https://rockhealth.com/reports/2025-q1-digital-health-funding/ (2024年6月访问)