生成式人工智能在大型医疗系统中的成本分析：以收入周期为例

　　本刊推荐：为解决医疗系统在采用生成式AI（如GPT-4）进行收入周期管理时面临的成本与性能权衡问题，研究人员开展了一项对比研究。结果表明，本地开发的Clinical-BigBird模型在ICD代码分类任务中准确率更高（CKD达95.1%）、耗时更短且成本显著低于商用LLMs。该研究为医疗系统优化AI部署策略提供了关键数据支撑，对控制医疗运营成本具有重要现实意义。

　　

随着人工智能技术在医疗领域的快速渗透，大型语言模型（LLMs）正被广泛应用于临床诊疗和运营管理场景。特别是在医疗自由文本分类任务中，ChatGPT等基础模型展现出巨大潜力，然而其实际应用却面临可靠性、合规性和成本效益的多重挑战。当前美国医疗支出已占GDP的17.6%，其中56%用于人力成本，医疗机构迫切需要通过AI技术降低运营负担。收入周期管理作为医疗财务运营的核心环节，涉及从临床文档中自动提取ICD-10（国际疾病分类第十版）和CPT（当前 procedural terminology）代码的关键任务，传统人工编码方式不仅效率低下，还容易导致保险拒付、支付不足和审计风险。

在此背景下，密歇根大学研究团队在《npj Digital Medicine》发表了一项开创性研究，首次系统对比了商用LLM（GPT-4）与本地定制模型（Clinical-BigBird）在医疗收入周期任务中的性能与成本差异。研究聚焦两个核心临床场景：慢性肾病（CKD）和心力衰竭（HF）的ICD编码分类，通过对2970份临床笔记的测试分析，揭示了令人惊讶的结果差距。

研究采用回顾性队列设计，数据源自密歇根大学学术医疗中心2013-2023年间心内科和肾内科诊所的电子健康记录（EHR）。关键技术方法包括：1）基于Transformer架构的Clinical-BigBird模型训练；2）GPT-4的提示工程优化；3）传统机器学习性能指标（准确率、F1值、ROC AUC等）对比分析；4）基于token计算的成本建模，涵盖四个核心收入周期业务场景。所有数据处理均通过HIPAA合规的本地云基础设施完成。

模型性能对比结果显示：在CKD分类任务中，Clinical-BigBird达到95.1%的准确率，显著优于GPT-4的89.0%；在HF分类中差距更为明显（94.7% vs 75.4%）。同时本地模型处理速度优势惊人：CKD分类仅需2分钟，而GPT-4需要4小时；HF分类仅需2分钟，GPT-4则需6小时。这种性能差异主要源于GPT-4存在较高的假阳性率和响应延迟问题。

成本分析揭示更严峻现实：基于token计算的年度通行成本显示，若采用GPT-4.1标准版，四个收入周期领域的年成本将达460万美元；即使使用最经济的GPT 4.1-nano批次定价，成本仍需11.5万美元。这还不包括数据迁移、存储和合规性保障的附加成本。相比之下，本地模型虽需前期开发投入，但长期运营成本显著降低。

合规与安全维度分析：研究特别强调了商用LLM的数据泄露风险。医疗笔记包含敏感个人信息（PHI），通过外部云连接处理时存在数据出口风险。本地部署模型不仅能够最小化数据泄漏风险，还能更好地适应HIPAA合规要求。

讨论部分指出，尽管未经调优的LLMs展示出应用潜力，但其在医疗编码任务中的表现仍不理想。先前研究显示LLMs在ICD编码中与人工编码员的一致率仅10-25%，幻觉率高达35%。在CPT编码任务中，神经外科手术的正确识别率仅约35%。这些局限性与医疗知识的复杂性和时效性密切相关——医学知识体系庞大且持续演进，而LLMs的训练数据集却存在不透明性，难以保证最新临床指南的及时整合。

研究人员建议采用混合策略：通过预分类和集成方法减少模型调用次数，使用领域特异性LLMs分析专科笔记，以及优化提示工程降低token消耗。同时提出应探索轻量级本地化框架（如Ollama、GPT-OSS系列）作为替代方案，这些方案既能保持定制化优势，又能控制成本。

该研究的核心贡献在于首次提供了LLMs在医疗运营场景中的定量成本-效益框架，为医疗机构AI战略决策提供了关键依据。研究表明，虽然商业LLMs提供了便捷的即插即用方案，但资源充足的医疗组织可能更倾向于本地解决方案，以获得更低成本、更易开发和更高定制化的优势。随着AI技术不可避免地融入医疗生态，如何在创新与风险、成本与效益之间找到平衡点，将成为医疗系统数字化转型的关键挑战。