**AI医疗市场规模的持续扩张，根源不在于技术本身有多炫目，而在于医疗服务长期面临一种结构性成本困境——鲍莫尔成本病。**美国经济学家鲍莫尔于1967年构建的两部门非平衡增长模型指出：进步部门因劳动生产率持续提升，单位劳动力成本可维持不变；而停滞部门不存在劳动生产率的增长，其单位产品成本将不断上升。医疗正是典型的停滞部门。当看病越来越贵成为长期趋势，用机器替代部分医生工作、压低成本曲线的斜率，便从“可选”变为“必选”，这正是AI医疗长期需求空间的核心来源。

鲍莫尔成本病：医疗为何越来越贵

鲍莫尔模型的直觉并不复杂：随着生产力提升，一名工人能创造的价值越来越高，但一位理发师单位时间能剪的头却比较刚性，价格只能不停上涨。医疗服务同理——诊断、问诊、阅片高度依赖人的时间投入，效率提升空间有限，成本便持续攀升。

这一逻辑意味着，医疗支出的膨胀并非短期现象，而是产业结构决定的长期压力。也正因如此，《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》一书中，将“用机器替代医生”视为解题思路。

从成本压力到AI需求：替代逻辑如何成立

OpenAI将科学、教育、医疗列为最为关注的三大核心领域，医疗是其中最“昂贵”也最亟待改造的一环。以ChatGPT为代表的模型，已在多个方向展现出应用空间：

  • 远程医疗虚拟助手：帮助患者安排预约、接受治疗并管理健康信息，契合远程医疗兴起的趋势；
  • 临床辅助决策：向医疗保健提供者提供实时的、基于证据的建议，标记潜在药物相互作用，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、传感器等数据，在患者病情恶化时向医疗保健提供者发出警报，助力及早干预。

这些应用的共同指向，是把医生从重复性、可标准化的工作中释放出来，从而对冲停滞部门的成本刚性。

边界与约束：AI医疗的现实位置

需求空间不等于无限替代。埃里克·托普在《深度医疗》中将AI医疗与自动驾驶相类比：在理想条件下，自动驾驶汽车已达到L3水平，而AI医疗仍处在L1到L2的路上。他认为AI医疗不太可能超越自动设备的3级水平——诊断、阅片可由AI辅助，但绝不能容忍没有人类医生和临床医生的监督。

数据则是另一重约束。医疗数据所有权理应属于患者，实际中权属多在医院方；模型训练数据主要通过企业与医院签署研发协议获得，通常遵循“数据不出院，模型出院”的原则。理解医疗数据，远比获得数据更重要也更困难。

常见问题

鲍莫尔成本病和AI医疗的市场规模有什么关系？

鲍莫尔模型说明医疗作为停滞部门，单位成本会持续上升，消费者对医疗的需求又难以大幅缩减，成本压力因此长期存在。AI医疗的价值在于用机器承接部分医生工作、改变价格曲线的走势，成本越刚性，替代动力越强，长期需求空间也就越大。

AI医疗会完全取代医生吗？

从现有判断看不会。埃里克·托普认为AI医疗仍处在L1到L2阶段，不太可能超越自动设备的3级水平，诊断和阅片可以辅助完成，但任何情况下都不应缺少人类医生和临床医生的监督。

当前AI医疗落地的主要障碍是什么？

一是伦理与责任边界，医疗对差错的容忍度远低于其他场景；二是数据，医疗数据涉及患者隐私，权属多在医院方，流通与使用受到严格约束。理解并驾驭医疗数据，比单纯获取数据更具挑战。