《NEJM AI》：24 个 AI 系统给 200 份真实病历开方案，人均花费 314 美元为医生 97 美元的 3.2 倍

事实报道 × 医院信息化/临床医生 ｜ 影响分析 × 投资人与产业分析师 ｜ 深度研报

同一份病历，AI 写的诊疗方案与接诊医生写的方案，第一次被放到同一张账单上结账。《NEJM AI》2026 年 10 月 15 日刊出的研究让 24 个 AI 系统面对 200 份真实病历各自书写方案，再按 2026 年美国联邦医疗保险价格统一计价，结果是人均 314 美元对医生的 97 美元。贵的部分不在药，而在检查与转诊，提示词能把倍数压下来，却压不平。

开场：同一份病历，AI 给的诊疗建议在账单上比接诊医生贵出一倍多，这次是按 2026 年 Medicare 价格结的账

把 AI 的建议变成可以付账的数字，是这项研究最直接的贡献。过去判断大模型会不会看病，多用选择题式问答基准或医生主观打分，答对就算通过，很少追问一句这套方案做下来要花多少钱。作者换了一种问法：同样的主诉、同样的信息起点，AI 写一套自己的方案，医生在该次就诊中实际记录的方案作对照，两侧医嘱抽取出来后按同一份 2026 年美国联邦医疗保险价格表结账。结论是 AI 的建议确实更贵，且贵得相当具体，贵在三倍这一量级而非几个百分点。对医院信息化与临床一线而言，这意味着评估一个临床决策支持工具时，指标清单里或许得加上和钱直接相关的一项；而对习惯了以准确率为卖点的供应商，账单本身正在成为一种新的验收语言。

事实底座：200 份 MTSamples 去标识化美国门诊与急诊病历、24 个系统各自写方案，两侧医嘱由三个独立 LLM 抽取后按同一价格表计价

素材取自 MTSamples，这是由执业临床医生贡献、公开可得的美国格式去标识化临床记录合集，团队从中取出 200 份门诊与急诊病历。每个 AI 系统只拿到医生做出评估之前记录的主诉部分，看不到此后的检查与判断，随后自行书写诊疗方案；对照则是医生在同一次就诊里留下的真实方案。两侧文本中的医嘱由三个相互独立的大语言模型分别抽取，再统一按 2026 年 Medicare 价格定价，以此压低单一抽取模型带来的偏差。主要终点是单次就诊推荐诊疗的总费用，由诊断检查与专科转诊两部分构成，新开药物只计数不进入费用，这一处取舍后面还要回到。论文 DOI 为 10.1056/AIoa2600537，作者包括以色列理工学院的 Dvir Aran 与斯坦福大学的 Jeremy D Goldhaber-Fiebert 等六人，署名中还有 Ittai Many、Anthony Nguyen、Daniel Yang 与 Shahar Shelly，几位临床背景作者的存在让方案的可执行性有了基本把关。数据与代码已在 GitHub 公开、并以 Zenodo 编号 10.5281/zenodo.21971968 存档，原始病历本身来自公开语料，因此整条链路可被第三方复算。

主终点数字：20 个通用系统人均 314 美元对医生 97 美元，差 216 美元，95% 置信区间 177 至 257，P 小于 0.001，单个系统区间 209 至 599 美元

20 个通用系统的账面结果高度一致地偏高：它们推荐的诊疗人均 314 美元，接诊医生为 97 美元，差值每人次 216 美元，95% 置信区间 177 至 257 美元，P 小于 0.001，折算即医生的 3.2 倍。置信区间整体远离零点，说明这一差距并非由少数几份病历或某一个异常系统拉出，而是系统性的偏移；单个系统之间分散度不小，人均费用从 209 美元一路排到 599 美元，最低与最高的系统之间相差近三倍，选型差别直接反映在账单上。差额拆开看，多出来的钱几乎被两件事平分：诊断检查贡献 105 美元，专科转诊贡献 111 美元，也就是说昂贵不是某一个科室或某一类医嘱造成的单点现象。新开药数量呈同向差别，AI 每次就诊平均 1.14 个，医生为 0.59 个，接近两倍。更值得临床侧注意的是一处结构性差异：在医生没有记录任何诊断检查的就诊里——这类就诊占全部就诊的 66%——每一个 AI 系统都建议了检查，而且往往是套路化的成套检查。这提示 AI 的额外花费主要来自在没有医嘱的就诊里补上检查与转诊，而不是把贵的项目换成更贵的项目。

从账单读到产业影响：4 个医疗专用系统也在医生的 2.7 至 3.5 倍，成本感知提示压到 2.5 倍、节俭但安全提示压到 1.4 倍，提示词即成本控制杆

标称面向医疗的专用系统并没有因为更懂行而更省钱：4 个医疗专用 AI 系统的费用落在医生的 2.7 至 3.5 倍，与通用系统处在同一量级上。真正能撬动账单的反而是提示词。加入成本感知提示后，倍数降到 2.5 倍；换成节俭但安全的提示，进一步降到 1.4 倍，超额明显缩小却没有被消除。对投资人来说，这等于把「贵不贵」从模型的固有属性改写为可调参数：提示工程、价格表接入方式、医嘱抽取与映射链路都可能沉淀为产品差异，而不只是参数规模的比拼；一家公司若能把 3.2 倍稳定压到接近 1.4 倍附近，其商业故事就不再只靠推理能力支撑。反过来，任何以控费为卖点的医疗 AI，都需要拿同一口径的账单自证，而不是停留在准确率榜单上。这也为按效果付费的采购谈判提供了可引用的基准数字。

冷静观察：只定价单次就诊的检查与专科转诊，1.14 对 0.59 的新开药只计数未计价，贵是浪费还是更彻底尚无结局证据

局限需要写进结论。研究只对单次就诊内的诊断检查与专科转诊定价，新开药物计数但从未计价，住院、复诊与后续处理的花销都不在账上；它也没有测量长期健康结局与真实世界支出。因此「更贵」既不能被直接等同于浪费，也不能被读成更彻底、更负责，要分辨二者，需要把患者随机到工具使用层面、并随访长期健康与花费的前瞻性试验。作者在结论部分同样划了边界：大模型的输出是建议而非诊疗方案，最终决策应当保留在临床医生手里。价格表取自美国医保口径，移植到别的支付体系前需按当地价目重算；被比较的也只是病历文本里的医嘱记录，不等于双方在现实中会做完全相同的事。把这些限定摊开之后，这项研究留下的核心事实依然成立：在完全相同的起点上，AI 目前写下的方案是医生的三倍价。

原文链接：NEJM AI

千方医数集编辑部 出品