AI医疗能否扭转鲍莫尔成本病下的价格传导，关键在于能否以机器替代人工重塑医疗服务的成本结构；短期看，议价权正从医生个体向掌握数据与算法的AI医疗企业倾斜，但“数据孤岛”问题会制约这一进程，长期博弈取决于数据权属与临床落地能力。

鲍莫尔成本病（Baumol’s cost disease）解释了医疗服务价格刚性上涨的必然性：1967年鲍莫尔将经济分为进步部门和停滞部门，停滞部门（如医疗服务）单位产品成本随时间推移不断上升。正如《改变医疗服务价格曲线的方式：解雇医生》一书所提出的思路，解决这一问题的方向是用机器替代医生，而ChatGPT等AI技术正为这一路径提供了现实可能。AI医疗通过虚拟助手、临床辅助决策、远程患者监护等应用，有望在部分环节降低对人工的依赖，从而改变传统的成本—价格传导链条。

AI医疗对成本结构的重构

AI医疗的核心价值在于将原本高度依赖医生个人经验的诊疗环节部分标准化、自动化。例如，ChatGPT可用于向医疗保健提供者提供实时的、基于证据的建议，标记潜在的药物相互作用并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。远程患者监护则通过分析可穿戴设备数据，实现早期干预，防止住院或并发症，从而在源头上降低整体医疗支出。

但值得注意的是，AI医疗目前仍处于较低自动化水平。按照《深度医疗》作者埃里克·托普的类比，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。这意味着，AI目前更多是辅助角色，而非完全替代医生，成本替代的程度仍有限。

产业链议价权的转移与制约

随着AI医疗介入诊疗流程，议价权格局正在发生变化。传统模式下，医疗服务定价权主要由医院和医生掌握；而在AI医疗模式下，掌握数据与算法的技术供给方（如OpenAI重点关注的医疗领域企业）在产业链中的话语权显著上升。医疗数据被视为AI时代的“石油”，是模型训练的基础。

然而，医疗数据的特殊性构成了关键制约。医疗数据属于患者隐私，实际权属基本在医院方，第三方机构需借助政府支持和医院配合方能进行商业化开发。目前AI模型训练所需数据，大都是通过企业和医院签署研发协议获得，且通常“数据不出院，模型出院”。这种“数据孤岛”格局意味着，AI医疗企业短期内难以独立掌握核心数据资源，其议价能力的提升受到医院端的牵制。

常见问题

AI医疗能否彻底解决鲍莫尔成本病？

不能彻底解决，但能显著缓解。AI医疗通过自动化部分诊疗环节降低单位成本，但医疗服务仍需要人类医生的监督与决策。正如《深度医疗》所指出的，任何时候、任何情况下都不能容忍没有人类医生和临床医生监督的AI医疗，人工成本无法被完全消除。

议价权最终会向谁倾斜？

中期看，AI医疗企业因掌握算法与模型能力而获得议价权上升；但医院仍控制数据入口，患者隐私保护与数据权属法规也限制了技术方的扩张。长期均衡取决于数据开放程度与AI临床价值的验证结果。

医疗数据对AI医疗企业意味着什么？

医疗数据是AI医疗的第一驱动力，但理解数据远比获得数据更重要。IBM医疗AI沃森的失败教训表明，将获取数百万页医疗信息等同于理解或使用这些信息是根本性失误。对企业而言，数据获取只是起点，深度理解临床场景才是建立持续竞争力的关键。