是的，AI医疗正通过替代重复性诊疗环节，从经济逻辑上打破“鲍莫尔成本病”所描述的医疗供给刚性，有望改变医疗服务成本持续上升的长期趋势。
“鲍莫尔成本病”理论指出，随着制造业等进步部门生产率提升，医疗这类停滞部门（单位时间产出刚性，如医生看诊时长固定）的单位劳动力成本会持续上升。这解释了为何医疗支出在GDP中的占比长期走高。AI医疗的突破性在于，它不再依赖增加医生数量来扩大供给，而是通过技术直接替代部分重复性工作，从而改变成本曲线。
AI如何缓解医疗供给刚性
AI在医疗领域的应用，核心是突破传统服务中“Tony老师剪头数量刚性”的局限。通过自动化处理可重复、数据密集型的任务，AI能显著提升单位时间的服务产出效率，从而降低单位成本。
具体而言，AI已在多个环节发挥作用：
- 影像诊断与病历分析：AI可辅助医生进行阅片、病历录入和数据整理，将医生从重复性劳动中解放出来，使其能专注于更复杂的诊疗判断。
- 临床辅助决策：AI能基于海量医疗数据，为医生提供实时的、基于证据的建议，如治疗方案推荐、药物相互作用提醒，帮助减少错误并提升效率。
- 远程患者监护：通过分析可穿戴设备数据，AI可远程监控患者健康状况，并在出现异常时及时预警，减少不必要的住院和并发症，降低整体医疗成本。
当前AI医疗的发展阶段
需要明确的是，AI医疗目前仍处于早期阶段。正如《深度医疗》作者埃里克·托普所类比，自动驾驶汽车在理想条件下已达到L3级，但AI医疗仍处在L1到L2的路上。这意味着，AI目前更多是作为医生的辅助工具，而非替代者。在关键诊疗环节，人类医生的监督和判断仍然不可或缺。
常见问题
AI医疗能完全替代医生吗？
不能。目前AI医疗仍处在L1到L2水平，相当于辅助驾驶阶段。在诊断、手术等关键环节，人类医生的监督和决策是绝对必要的，绝不能容忍没有人类医生的参与。
AI医疗面临的最大挑战是什么？
医疗数据是AI医疗的第一驱动力，但也是永远的痛点。数据所有权归属复杂（患者、医院、政府三方交织），且理解医疗数据远比获得数据更重要。IBM沃森失败的教训之一就是，将获取数百万页医疗信息等同于理解它们。
AI医疗何时能大规模普及？
这取决于技术进步、数据治理和伦理法规的完善。当前AI医疗主要在影像、病历等重复性环节辅助人类，要实现更高级别的自动化，仍需解决数据孤岛、模型理解深度以及伦理监管等核心问题。