鲍莫尔成本病揭示了医疗成本刚性上涨的核心经济驱动力：医生单位时间诊疗量刚性，无法像制造业那样通过技术进步持续提升效率，导致医疗服务成本相对其他商品不断攀升。AI医疗正在通过替代医生的部分重复性工作（如阅片、病历整理、基础诊断建议）来打破这一困局，从而改变全球医疗支出结构。
鲍莫尔成本病与医疗成本刚性
经济学家鲍莫尔在1967年提出的理论，将经济分为“进步部门”（劳动生产率可提升）和“停滞部门”（劳动生产率基本不变）。医疗服务属于典型的停滞部门——一位医生单位时间能看的病人数量是刚性的，甚至随着医疗精细化还会下降。因此，随着整体经济生产力提升，医疗服务的相对成本会不断上升。这正是“鲍莫尔成本病”在医疗领域的表现：服务越贵，越难降本。
AI医疗如何打破困局
《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，解决鲍莫尔成本病的最佳方式是用机器替代医生。AI医疗的核心逻辑，正是通过提升停滞部门的效率来降低成本。以ChatGPT等大语言模型为例，它在医疗领域的应用包括：
- 临床辅助决策：提供实时的、基于证据的诊疗建议，帮助临床医生节省时间、减少错误。
- 远程医疗虚拟助手：帮助患者安排预约、管理健康信息，实现远程监护。
- 患者远程监护：分析可穿戴设备数据，实时监测患者健康状况并预警。
这些应用本质上是在“复制”医生的部分诊断与管理工作，让AI承担重复性、数据密集型的任务，从而让医生聚焦于更复杂的判断。这直接对应了鲍莫尔成本病中“停滞部门效率提升”的解决方案。
中国AI医疗的现状与挑战
在AI医疗的推进中，中国拥有独特的优势与挑战。优势在于庞大的医疗数据规模和丰富的应用场景，这为AI模型训练提供了“石油”级资源。但挑战同样突出：医疗数据权属复杂——患者、医院、政府三方各有主张，目前企业主要通过研发协议获得数据，并需做好物理隔离（数据不出院，模型出院）。理解医疗数据比获得数据更重要，正如《深度医疗》中指出的，IBM沃森失败的根本原因之一，就是将获取数百万页医疗信息等同于理解或使用这些信息。
常见问题
问：AI医疗能完全替代医生吗？
答：不能。目前AI医疗仍处在L1到L2的水平（类比自动驾驶等级），远未达到L3。埃里克·托普认为，在任何时候、任何情况下，绝不能容忍没有人类医生监督的AI医疗。AI主要承担辅助性工作，如阅片、基础诊断建议、远程监测等。
问：中国在AI医疗产业链中处于什么位置？
答：中国在医疗AI研发、应用场景及数据规模上具备较强竞争力，但医疗数据治理和商业化仍处于探索阶段。例如，国内大数据交易所已有“医疗卫生”数据品类上架，但交易规模尚小。
问：AI医疗如何降低鲍莫尔成本病带来的成本压力？
答：通过提升停滞部门的劳动生产率——让AI承担医生重复性、数据密集型工作，使医生单位时间能处理更多病例，从而在保持服务质量的同时控制成本上升速度。