鲍莫尔成本病揭示了医疗服务成本持续上升的必然性，而ChatGPT等生成式AI的突破，恰好为AI医疗从辅助工具迈向临床决策支持等深层应用提供了关键拐点。这一拐点的出现，并非单纯源于技术跃迁，而是经济压力、技术积累与行业认知共同作用的结果：医疗行业必须寻找降本增效的新路径，而生成式AI展现了前所未有的理解与生成能力，同时行业也从IBM沃森等早期探索中吸取了教训。

经济压力：鲍莫尔成本病倒逼变革

美国经济学家鲍莫尔于1967年构建了两部门非平衡增长模型，将宏观经济分为具有正劳动生产率增长率的进步部门和不存在劳动生产率增长率的停滞部门。其核心结论是：停滞部门的单位产品成本将不断上升。医疗服务正是典型的停滞部门——一位医生单位时间能诊治的患者数量相对刚性，但随着社会生产力提升，医生的劳动力成本必然持续上涨。

《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》中明确提出，解决这一问题的最好方式是用机器来替代医生。这为AI进入医疗领域提供了最根本的经济学驱动力。

技术拐点：从辅助工具到临床决策支持

在ChatGPT出现之前，AI医疗长期处于较低水平的辅助阶段。据《深度医疗》一书对比，自动驾驶汽车在理想条件下已达到L3水平，而AI医疗仍处在L1到L2的路上。这种差距不仅源于技术，更因为AI医疗面临更严重的伦理问题——患者绝不愿意由机器人给自己主刀。

ChatGPT的问世改变了这一格局。仅以ChatGPT为例，便可在医疗领域实现多种应用，包括：

  • 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，如针对特定情况建议治疗方案、标记潜在药物相互作用、为复杂医疗案例提供临床指南
  • 远程医疗虚拟助手：帮助患者安排预约、接受治疗和管理健康信息
  • 远程患者监护：分析来自可穿戴设备、传感器等监控设备的数据，实时了解患者健康状况并在病情恶化时发出警报

此前有案例表明，一位宠物主人将所有检查信息输入GPT-4后，GPT-4给出了免疫介导性溶血性贫血的选项，最终狗狗得救。未来，经由专业训练的GPT们或将在临床发挥巨大作用。

认知拐点：理解比数据更重要

IBM沃森医疗AI的失败为行业提供了宝贵教训。埃里克·托普在《深度医疗》中分析其失败原因时指出，“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”。

这一教训揭示了一个关键认知：医疗数据是AI医疗的第一驱动力，但理解医疗数据远比获得数据更重要也更困难。医疗数据属于患者隐私，权属复杂，且AI模型训练所需数据大都通过企业和医院签署研发协议获得，实际操作中通常“数据不出院，模型出院”。对于现阶段的AI医疗产品来说，能否深刻理解所服务的行业，比堆砌数据量更为关键。

常见问题

ChatGPT在医疗领域能做什么？

ChatGPT可用于临床辅助决策、远程医疗虚拟助手、远程患者监护、心理咨询、病历保存、医疗翻译、药物管理、疾病监测等多个领域。例如，它可以向医生提供实时循证建议，标记潜在药物相互作用，并为复杂病例提供临床指南。

AI医疗目前处于什么发展阶段？

据《深度医疗》对比，自动驾驶汽车在理想条件下已达到L3水平，而AI医疗仍处在L1到L2的路上。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、阅片工作可由AI辅助完成，但在任何情况下都不能容忍没有人类医生的监督。

医疗数据对AI医疗发展有什么影响？

医疗数据被称为AI时代的“石油”，是基石中的基石。但医疗数据涉及患者隐私，权属复杂，且目前AI模型训练所需数据大都通过企业和医院签署研发协议获得。更重要的是，理解医疗数据远比获得数据更重要也更困难——IBM沃森失败的教训正在于此。