NCQA 首任首席医疗官：AI 时代需要重塑医疗质量测量体系

美国国家质量保证委员会（NCQA）首任首席医疗官 Ari Robicsek 表示，随着人工智能、可互操作临床数据以及数字化质量测量不断发展，医疗行业已经来到重塑质量测量体系的转折点。

为什么要重塑质量测量

Robicsek 认为，质量测量长期以来影响着美国医疗体系，并在改善医疗服务流程和患者结局方面发挥了重要作用。但对很多临床医生来说，它往往更像一串不断增加的上报要求，而不是一个真正帮助改善照护的工具。

他说，质量指标最终都会落到临床医生头上，因此应当从临床实际出发重新审视这些指标。

Robicsek 过去在 Providence health system 负责企业分析、临床决策支持、AI 部署和研究工作。如今加入 NCQA 后，他希望把一线临床医生的视角直接带入指标制定过程。

质量指标本身也应被当作一种“医疗干预”

在 Robicsek 看来，质量指标本质上也是医疗系统中的一种干预措施，和其他干预一样，它可能有帮助，也可能没有效果，甚至可能带来伤害。

基于这一判断，他认为 NCQA 的首要任务之一，就是确保指标真正有意义，并用与评估其他医疗干预相同的科学严谨度，持续评估现有指标的价值。那些确实改善了实际结局的指标应被保留和优化，而那些已经不再带来改善的指标则应被淘汰。

AI 与数字化如何改变测量方式

Robicsek 认为，AI 正在从多个方面改变“什么可以被测量”。从病历抽取、环境式文书，到临床决策支持和患者互动，AI 都在拓展质量测量的边界。

他最重要的目标之一，是推动 HEDIS 走向基于 FHIR 标准的全数字化质量测量。按照他的设想，未来一个 HEDIS 指标应是一段可执行代码，基于 FHIR 构建，并能在不同机构中以相同方式运行。

他还强调，未来质量测量应更多建立在临床数据基础之上，而不仅仅依赖理赔数据。因为理赔数据虽然标准化程度高、覆盖范围广，但往往临床信息不足且有明显时间滞后。

相比之下，可互操作的电子病历数据可以显著缩短反馈周期，并支持更丰富的结局指标、更好的风险调整以及更有意义的临床洞察。

更少但更重要的指标

Robicsek 提醒说，数字化测量的前提，是机构能够信任底层数据管道。因此，数据聚合器验证、合格的计算引擎，以及 AI 辅助病历抽取的严格标准，都将变得更加关键。

他还指出，美国医疗系统面临的另一个现实问题，是指标太多、注意力被过度分散。根据他此前的研究，一名普通初级保健医生在一年中可能要面对与 57 项质量指标相关的激励约束。

他说，没有人能同时把 57 个优先事项都放在脑子里。因此，未来应当用“真正重要的指标”替代当前不断堆积的 measure sprawl。文章同时提到，医生诊所每年在质量数据上报上的总支出约为 154 亿美元，因此简化行政负担对医生和患者都很重要。

质量指标如果设计不当，也可能带来副作用

Robicsek 还提到，研究已经表明，一些质量指标如果设计不合理，可能会激励出有害行为。

例如，在一个高血压激励项目中，临床医生会越来越多地重复测量那些接近阈值的血压数值，直到患者跨过上报标准线，但总体结局并没有改善，心血管住院率反而上升。

这让他认为，在问“某件事能不能测量”之前，机构应先问清楚：患者为什么没达标？这个障碍是否真在临床医生可控制范围内？

面向 2026-2027 的方向

Robicsek 表示，NCQA 将继续建设一个经过筛选的指标组合，覆盖结局、患者体验和适当使用等维度，同时淘汰那些已经不再推动改进的指标。

他预计，AI 还将帮助一些过去难以规模化衡量的概念进入质量测量体系，例如共同决策、诊断推理和适当检查，这些能力都可能通过对非结构化临床信息的分析来实现。

在他看来，未来理想的方向很明确：更少的指标、更少的重复上报、更快的反馈，以及更强的证据，去证明质量项目是否真的改善了患者照护。

同时，他反复强调，患者本身仍是一个被低估的信息来源。随着数字化测量能力增强，未来的质量体系也应更好反映照护是否真正帮助患者实现了对他们有意义的目标。