图片

这篇题为《医疗中生成式人工智能的医疗服务提供方支付模式》的文章探讨了生成式人工智能 (GenAI) 工具在医疗中的应用及其支付模式对工具质量和采用率的影响。作者构建了一个理论框架，分析了GenAI开发商和医疗服务提供方之间的战略互动，重点关注支付模式如何影响GenAI工具的开发和部署。

 

论文首先指出，尽管GenAI工具（例如环境监听工具）有潜力改变医疗实践，但由于定制化需求高以及缺乏合适的支付模式，其在医疗服务中的采用率仍然有限。现有支付模式未能充分考虑GenAI工具的特殊性，例如其可定制性以及显著的变动成本。这与传统的、通常具有固定输入和输出且无需定制的医疗AI工具形成对比。

 

图片

本文的核心在于构建一个模型来研究医疗服务提供方支付结构对GenAI工具质量和使用率的影响。该模型模拟了AI开发商和医疗服务提供方之间的博弈。开发商设定工具的质量和价格，而医疗服务提供方根据报销结构、临床复杂性、使用成本和预期收益来决定是否使用该工具。

 

本文首先分析了现状——医疗服务提供方不会因使用AI工具而获得直接报酬。在这种情况下，医疗服务提供方仅在复杂病例中使用AI工具，而开发商则设定一个平衡开发成本和医疗服务提供方支付意愿的价格和质量水平。这种情况下，AI的质量低于社会最优水平，其应用范围也受到限制。

 

图片

接下来，文章分析了按服务付费模式，这是一种常见的医疗报销模式。研究发现，医疗服务提供方的AI使用率取决于报销率。报销率高时，开发商会降低质量以降低成本，导致AI被广泛使用，但质量低下。报销率低时，开发商会提高质量，但质量仍然低于社会最优水平，AI的采用率也仍然有限。按服务付费模式虽然在高报销率下促进了AI的广泛使用，但未能实现最优社会效益，因为它激励开发商根据报销率调整质量，而不是为了社会福利而优化质量。

 

文章进一步指出，按服务付费模式的分析结果与现有健康经济学文献的观点相符，例如辛克等人在《美国医学会杂志·内科学》上的相关文章中关于报销医疗服务提供方获取AI工具的全部成本的论述。但作者的分析更进一步，通过考虑AI工具的内生质量，揭示了医疗服务提供方支付方案的上游影响。全额成本覆盖可能会扭曲AI开发商的激励结构，导致开发商缺乏改进AI工具质量的动力。

 

图片

鉴于现状和按服务付费模式的固有低效率，本文提出了一种混合支付模式，该模式将按服务服务与基于价值的支付相结合。文章探讨了两种可能的价值定义：（1）基于AI工具使用带来的效益的价值；（2）基于AI工具本身质量的价值。基于效益的价值体系倾向于治疗更复杂的患者，而基于质量的价值体系则激励医疗服务提供方优先使用高质量的AI工具，这与患者的诊疗复杂程度无关。

 

研究发现，基于质量的支付体系在医生利他主义相对较低时效果最佳。当利他主义较高时，医生对经济激励的反应较弱，导致AI的使用选择性而非广泛性，降低了支付体系确保社会最优全患者覆盖的有效性。

 

图片

当基于质量的支付体系在较高的医生利他主义下失效时，本文提出了一种混合支付体系，该体系通过按服务付费和基于质量的支付相结合来补偿医疗服务提供方。研究表明，只要按服务付费的支付足够高，这种混合模式就能诱导医疗服务提供方选择最优质量水平，并激励医疗服务提供方在与最优方案相同的患者群体中使用AI系统。

 

有趣的是，随着AI系统开发成本的增加，所需的最低服务费会降低。这是因为更高的开发成本会导致最优质量水平降低，从而需要较低的激励强度来诱导最优结果。

 

图片

总之，这篇文章首次尝试了解医疗AI的上游开发工作和下游部署决策之间的张力。作者提出的混合支付模式为政策制定者提供了一个理论基础，帮助他们权衡各种医疗服务提供方支付模式的利弊，并最终促进高质量GenAI工具的开发和部署，优化医疗保健的质量和可及性。该模式也为医疗AI领域未来的支付改革提供了有益的参考。