核心内容总结
这篇文章打破了“AI医疗就是用AI看病”的误区，指出AI医疗的真正价值在于优化医疗流程中的行政调度（比如挂号、预约、报销、预授权等）。文章将AI医疗的发展分为三个阶段：
1. 单点工具阶段：解决医生个体痛点（如语音转病历、查医学资料），易推广但价值浅；
2. 深水区阶段：协调多角色/机构/系统的复杂协作（如跨医院转诊、保险预授权），壁垒高但价值大；
3. 新范式阶段：谁能打通流程闭环，谁就成为AI医疗的“操作系统”，最终可能把传统电子病历系统（EHR）降级为数据底座。
一、AI医疗的价值：不是“看病”，而是“管钱和流程”
很多人以为AI医疗是用AI诊断疾病，但文章说——医疗里最浪费钱的不是看病本身，而是行政环节。
比如美国每年医疗总支出4.9万亿美元，其中7400亿是行政成本（约占15%），但只有630亿花在IT软件上，剩下的全靠人力。AI的机会不是抢现有的IT预算，而是把这些“人力干的行政活”变成AI干的活（比如自动处理保险预授权、预约调度）。
举个例子：医生给病人开一种特效药，要先向保险公司证明“这个药是必须的”（预授权），过去要人工填表格、打电话，可能等几天；AI能自动从病历里提取信息，匹配保险公司的规则，几分钟搞定。这就是AI的核心价值——把“扯皮”的流程变高效。
二、三个阶段：从“帮人省事”到“重塑流程”
#### 1. 第一阶段：单点工具（易推广，但黏性低）
特点：解决医生个体的小痛点，不用协调其他人。
- 临床循证工具：比如OpenEvidence，医生查医学资料的“百度”，渗透率达40-50%，靠精准广告赚钱；
- 语音转录工具（Scribe）：比如Abridge，把医生和病人的对话转成病历，解放文书工作。但这类工具黏性弱——客户更换意愿高达67%，像换个APP一样简单，因为它们只是“记录员”，不是流程的核心。
#### 2. 第二阶段：深水区（难推广，但壁垒高）
特点：要协调多角色（医生、护士、保险）、多系统（医院IT、保险系统），是真正的“硬骨头”。
比如预约一个专科手术：要确认病人保险资格→联系医生时间→协调手术室→向保险公司申请预授权→通知病人。AI要把这些环节串起来，不是做个APP就行，得理解每个角色的需求和规则。
这阶段的壁垒在于：一旦嵌入医院流程，更换成本极高（比如医院用了某套调度系统，要换就得重新培训所有员工、对接所有系统），所以谁先进去谁占优势。
#### 3. 第三阶段：新范式（终局之战）
特点：打通从“病人进门”到“钱到账”的全流程，成为医疗流程的“大脑”。
比如从病人打电话挂号（intake）→安排医生和手术（workflow）→处理报销（billing），AI全程调度。最终，传统的电子病历系统（如Epic）可能变成“数据仓库”，而新的AI系统成为医生每天用的“操作界面”。
三、深水区的三个核心节点：入口、大脑、钱袋子
文章用“身体比喻”把深水区的关键环节说清楚：
#### 1. Intake（入口：感官）
病人进入医疗系统的第一道门：接电话、登记信息、外呼提醒（比如预约取消后重新安排）。谁掌握Intake，谁就掌握流量。比如Assort Health做AI语音接电话，解决专科门诊“挂号难、退号多”的问题。
#### 2. Workflow（大脑：全局调度）
整个流程的中枢：分诊、转诊、预约调度。比如Notable Health能跨医院协调转诊，自动处理保险预授权，是最接近“新范式”的玩家之一。
#### 3. Billing（钱袋子：心脏）
直接关系医院收入：预授权、编码（给治疗项目贴报销标签）、拒付申诉。比如Commure通过并购切入这个领域，因为“钱袋子”是医院最愿意花钱的地方。
四、终局之争：谁能成为AI医疗的“操作系统”？
文章给出三个判断：
1. 节点会互相渗透：比如OpenEvidence从查资料延伸到编码和预授权，Notable从入口延伸到钱袋子——因为单一节点是“功能”，打通三个节点才是“流程”。
2. 赢家不是做新EHR的人：直接做新的电子病历系统（EHR）很难（没人愿意换用新系统），但从某个节点长出来的公司（比如Workflow），如果能打通全流程，就能把传统EHR变成数据底座。
3. 巨头在反击：传统EHR巨头（如Epic）正在把AI功能内置到自己的系统里，客户也更愿意从熟悉的厂商买AI服务。所以新玩家要在巨头反扑前，快速嵌入医院流程，建立壁垒。
五、海外医疗体系的特殊背景：为什么深水区这么重要？
AI医疗的机会大小，和当地医疗体系的复杂度直接相关：
- 美国：保险体系复杂（几十家巨头，规则不统一），行政成本高，所以AI机会大；
- 澳洲：全民医保为主，行政环节简单，但诊所分散，AI需求集中在预约和外呼；
- EHR垄断：Epic占美国医院EHR市场43.7%，是绕不开的坎——新玩家要么和它集成，要么把它降级为数据底座。
总之，AI医疗不是“高大上的诊断工具”，而是“解决医疗流程里的扯皮问题”。深水区是关键，谁能啃下这块硬骨头，谁就能成为下一代医疗的“操作系统”。
（注：文中数据来自Menlo Ventures、KLAS等权威报告，观点不构成投资建议。）