根據麻省理工學院史隆管理學院（MIT Sloan）的最新分析，人工智慧（AI）在醫療領域的真正潛力，並非傳統認知的突破性臨床診斷或治療工具，而是存在於提升行政效率。然而，一份最新報告也指出，儘管AI能減輕單一機構的行政負擔，卻可能導致系統性醫療成本不減反增，引發外界對其實際效益的關注。
AI在醫療行政的潛力與挑戰
《MIT Sloan》報導指出，現行醫療系統因數據碎片化、各系統間缺乏溝通而效率低落，甚至高達95%的美國醫院仍仰賴傳真機傳輸病歷。過去，高達95%的AI專案在醫療領域未能達到預期的投資報酬率，原因在於過度聚焦於高難度的臨床應用，如IBM的Watson計畫即是一例。StackAI健康照護副總裁Shani Fargun認為，AI應採取「工作流程優先」策略，聚焦於高頻率、人工處理、具明確產出的行政流程。
此類AI系統（稱為「代理人式AI」）能在既定範圍內，從特定數據源執行離散任務，例如撰寫上訴信函、驗證帳單文件、歸納病患病史或回應日常詢問。專家指出，行政工作過去常被視為後勤雜務，如今正成為AI投資報酬率最高的應用場景。估計服務300萬會員的付款方，僅透過提升自動化和互通性，每年便能增加數億美元收入。AI的成功部署，關鍵不在於模型複雜度，而在於明確的輸入、規則與輸出，以及持續的監測與評估。
AI「軍備競賽」推升醫療成本
然而，彼得森健康科技協會（Peterson Health Technology Institute, PHTI）發布的報告，卻揭示AI在醫療領域的應用，儘管降低了個別醫療機構的行政工作量，卻未能有效降低整個醫療體系的總體成本，甚至有升高趨勢。《HIT Consultant》引述該報告指出，AI加速了醫療體系內的活動，例如事前授權申請增加、帳務複雜度提高，導致供應商與保險公司之間更多往來，卻未解決根本的結構性效率問題。
這形成一場「AI軍備競賽」，供應商使用AI工具提升帳單等級與營收，例如有醫療系統導入AI抄寫助理後，五級病患會診量增加5%，每月每位醫師收入增加超過1,000美元；而健康保險計畫則以自動化方式進行「降級碼」處理，削減給付。這種趨勢可能導致患者負擔的自付額增加，並推升年度保費，同時對未導入AI工具的小型或偏鄉醫療機構造成不對稱的傷害。
數據基礎設施與實證研究
為更深入了解AI在醫療領域的真實影響，麻省理工學院史隆管理學院健康系統倡議（MIT Sloan Health Systems Initiative, HSI）正資助多項研究。《MIT Sloan》報導，其中一項由研究員Jackson Lu領導，將探討生成式AI能否在高壓工作環境中為員工提供心理支持。另一項由Erin Kelly、Kate Kellogg和Zana Buçinca共同進行的研究，則將與大型醫療系統和工會合作，探討AI在第一線和低薪勞工間的實施情況。
HSI也持續支持Joseph Doyle的研究，評估健康資訊交換（Health Information Exchange, HIE）對患者預後的影響。此研究發現，HIE的實施與流感及肺炎死亡率降低18%、住院再入院率減少4-5%有關，估計每年拯救約27,000條生命，突顯數據基礎設施對提升醫療成果的關鍵作用。
