鲍莫尔成本病指出，停滞部门的单位产品成本会随时间不断上升——医疗服务正如“Tony老师剪发”，人力价格刚性上涨。GPT驱动的AI医疗在药物管理、医疗翻译等场景中，通过机器承担部分工作来降低人力成本，是重构盈利模式的一条可行路径；但医疗数据的获取与理解仍是核心瓶颈，相关盈利模式尚待验证。 埃里克·托普在《深度医疗》中判断，AI医疗目前仍处在L1到L2的辅助阶段，任何情况下都不能缺少人类医生的监督。

鲍莫尔成本病为何推高医疗人力成本

美国经济学家鲍莫尔（Baumol）于1967年构建两部门非平衡增长模型，把宏观经济分为有正劳动生产率增长率的进步部门、以及不存在劳动生产率增长率的停滞部门。模型结论是：进步部门单位产品成本（劳动力成本）维持不变，停滞部门单位产品成本不断上升，需求随之收缩。

医疗服务的生产率提升相对刚性，人力成本因而持续上行。《福布斯》专栏作家蒂姆·沃斯托在《改变医疗服务价格曲线的方式：解雇医生》中提出，解决这一问题的最好方式是用机器替代医生。

GPT在药物管理与医疗翻译中的应用空间

以ChatGPT为例，其在医疗领域已有多种应用方向，其中与人力成本直接相关的包括：

  • 药物管理：可标记潜在的药物相互作用，减少人工核对环节；
  • 医疗翻译：承担跨语言医学信息的转换工作；
  • 临床辅助决策：针对特定情况建议适当治疗方案，为复杂医疗案例提供临床指南，帮助临床医生节省时间、减少错误；
  • 远程患者监护：分析可穿戴设备、传感器等监控设备的数据，在患者病情恶化或出现其他令人担忧的趋势时向医疗保健提供者发出警报，帮助及早干预。

此外，GPT在心理咨询、病历保存、疾病监测等领域也有广泛应用空间。这些环节的机器承接，正是压缩人力成本、重构成本结构的基础。

数据瓶颈决定盈利模式能否成立

AI的三大基石是数据、算法、算力，医疗数据是AI医疗永远的痛点。医疗数据属于患者隐私，所有权理应属于患者，实际中医疗大数据的权属基本在医院方；也有观点认为所有权在患者个人、控制权在医院、管理权在政府。

目前AI模型训练所需医疗数据，大都通过企业与医院签署研发协议获得，过程中会做数据清洗、只保留必要数据，并做好物理隔离，通常“数据不出院，模型出院”。据动脉网报道，国内各大数据交易所已有不少将“医疗卫生”数据纳入交易品类，但目前仅有贵州大数据交易所上架一款“儿童构音障碍早筛语音数据”产品，售价25万元，已交易两笔。

埃里克·托普分析IBM医疗AI沃森的失败时认为，“最基本的失误之一，就是将获取数百万页的医疗信息等同于理解或使用这些信息。”对现阶段的AI医疗产品而言，理解医疗数据远比获得数据更重要也更困难。这意味着，GPT医疗应用的盈利模式能否跑通，取决于能否真正理解所服务的行业，而非单纯堆叠数据。

常见问题

鲍莫尔成本病能解释医疗费用上涨吗？

可以提供一个解释框架。该理论认为停滞部门不存在劳动生产率增长率，单位产品成本因而不断上升，医疗服务被认为属于类似情形。它解释的是成本结构的长期趋势，而非某一时点的具体价格。

GPT在AI医疗中能替代医生吗？

不能。埃里克·托普认为AI医疗不太可能超越自动设备的3级水平，很多诊断、阅片工作可用AI辅助完成，但就医学整体而言，任何情况下都不能容忍没有人类医生和临床医生的监督。

GPT驱动的AI医疗盈利模式成熟了吗？

尚未成熟。药物管理、医疗翻译等方向具备降低人力成本的空间，但医疗数据获取与模型训练成本仍然高昂，数据权属与理解难题也未解决，商业化路径仍需持续验证。