2026 医疗 AI 调查：91% 患者要求知情同意，64% 医疗机构计划投资 AI 理赔管理

一、医疗 AI 正在面对一个比模型性能更复杂的问题

2026 年 11 月 1 日，医疗科技媒体 Healthcare IT Today 发布每周行业汇总，整理了近期医疗人工智能领域的调查、产品和机构动态。

其中两项数据值得特别关注。

一项由 Tebra 开展的调查显示，91% 的受访患者希望在 AI 每次用于辅助诊断或治疗时，都必须征得其许可。

另一项由 Experian Health 开展的调查显示，64% 的受访医疗服务提供者计划投资 AI，用于医疗索赔和拒赔管理。

这两个数字揭示了医疗 AI 发展中的不同需求。

医疗机构希望利用 AI 减少行政负担、优化流程并提升效率。

患者则更加关注 AI 何时参与自己的医疗过程、如何使用个人信息，以及谁为最终决定负责。

这意味着医疗 AI 的商业化不能只追求自动化率，还必须解决信任和责任问题。

需要强调，上述比例来自不同调查，不能直接进行同一总体的统计比较，也不能代表全球所有患者或医疗机构的意见。

二、为什么 91% 的患者要求知情同意？

医疗信息具有高度敏感性。

患者向医疗机构提供的资料可能包含病史、检查结果、用药信息和其他个人数据。

如果 AI 被用于辅助诊疗，患者可能关心三个问题。

首先，自己的医疗资料是否会被发送给外部 AI 服务。

其次，AI 生成的建议是否会影响实际诊断和治疗。

第三，如果 AI 给出了错误建议，最终由谁负责核实和纠正。

因此，知情同意不只是向患者展示一句“本服务使用 AI”。

更有价值的做法，是清楚说明 AI 参与的具体环节、数据用途、人工监督方式和患者可以选择的选项。

但调查中“希望每次征得许可”是一种受访者偏好，不应直接写成所有司法辖区已经存在的统一法律要求。

实际合规义务仍需依据当地医疗和隐私法规判断。

三、医疗 AI 可以分为哪些类型？

讨论医疗 AI 时，首先需要区分不同的应用场景。

行政管理 AI

例如预约安排、费用咨询、理赔资料整理和文档分类。

这类任务主要涉及业务流程，通常不直接决定临床诊疗方案。

临床文书 AI

例如辅助整理医生与患者交流记录，形成待审核的病历草稿。

其主要价值是减少重复输入工作，但生成内容仍需要核实。

临床决策支持 AI

例如辅助分析医学影像、识别风险信号或整理诊疗参考信息。

这类应用可能对患者治疗产生直接影响，因此需要更加严格的验证和监管。

科研 AI

例如辅助分析医学研究数据、生成统计代码或探索潜在研究方向。

科研用途与实际临床使用具有不同的验证标准。

将这些场景混为一谈，容易造成对医疗 AI 能力和风险的误判。

四、为什么 64% 的医疗机构计划投资 AI 理赔管理？

医疗理赔管理通常包含大量重复性信息处理。

工作人员可能需要核对保险资格、检查申请资料、整理诊疗编码、跟踪审核状态，并处理拒赔后的补充材料。

这些流程往往涉及多个系统和复杂规则。

AI 可以在其中辅助完成资料分类、缺失信息提示和文档整理。

例如，系统可以帮助工作人员识别理赔申请中缺少的必要字段。

也可以对拒赔原因进行分类，协助安排后续人工处理。

但医疗理赔并不是单纯的文本生成任务。

它涉及合同、支付规则、患者权益和合规责任。

因此，不能因为模型认为某项费用不符合要求，就直接拒绝患者的合法申请。

尤其需要防止系统将降低成本作为唯一优化目标，从而损害患者权益。

五、AI Agent 如何改变医疗后台？

传统医疗管理软件通常要求员工在多个页面之间操作。

AI Agent 则可以尝试根据自然语言任务协调不同系统。

例如，工作人员提出：

“帮我整理本周因资料不完整而被退回的申请，并列出需要补充的材料。”

一个受控 Agent 可以按照以下流程执行：

1. 查询授权范围内的申请记录。
2. 提取退回原因。
3. 根据既有业务规则分类。
4. 生成待核实的材料清单。
5. 交由工作人员确认后更新系统。

这种工作方式能够减少重复整理时间。

但关键在于，Agent 只能访问其获准处理的数据。

涉及支付决定、患者通知或修改正式医疗记录时，应设置明确的人工审核要求。

六、医疗 AI 的信任机制应该如何设计？

一个可靠的医疗 AI 产品至少需要考虑以下方面。

用途透明。 明确告诉用户 AI 用于文书整理、管理辅助还是临床决策支持。

数据最小化。 只向模型提供完成任务所需的数据。

权限隔离。 医疗工作人员、管理员和第三方服务商不应自动获得相同访问权限。

人工复核。 对可能影响诊疗和患者权益的关键结论设置适当审查。

结果可追踪。 保存必要的模型版本、数据来源和操作记录。

错误纠正。 建立用户发现错误后能够及时反馈和修正的机制。

这些要求不仅是合规问题，也直接影响医疗机构是否愿意长期使用 AI 产品。

七、医疗 AI 如何避免“自动化偏见”？

自动化偏见是指人们因为系统输出来自计算机，就过度信任其结论。

例如，AI 可能将某项检查结果标记为低风险。

如果工作人员没有进一步核实，就可能忽略其他重要临床信息。

反过来，系统也可能产生不必要的高风险提示，增加检查或处理负担。

因此，医疗 AI 的评估不能只看准确率。

还需要关注漏报、误报、不同人群表现、使用环境以及错误发生后的后果。

在临床相关场景中，真实世界验证和专业人员监督尤其重要。

八、对 AI API 开发者有什么启示？

医疗 AI 是一个对数据治理要求较高的市场。

开发者不能仅凭某个模型能够回答医学问题，就将其包装为可直接提供诊断的产品。

如果通过第三方 API 处理医疗数据，需要检查完整的数据流向。

例如，请求是否经过 API 网关、是否保存日志、是否转发给其他供应商，以及各环节的数据处理条款。

对于 API 聚合平台，尤其不能把上游模型供应商的隐私承诺直接等同于整个调用链的隐私保证。

此外，医疗机构通常需要更明确的服务责任、权限控制和系统审计。

这些能力可能比单纯提供更多模型选择更重要。

九、如何正确理解这些调查数据？

91% 和 64% 是此次媒体汇总中的两个重要数字，但它们有不同含义。

91% 反映受访患者对 AI 参与诊疗支持时知情同意的偏好。

64% 反映受访医疗服务提供者对 AI 理赔管理的投资计划。

投资计划不等于已经完成部署。

患者偏好也不等于实际产品采用率。

此外，调查结果可能受到样本组成、地区、问题表述和调查方法影响。

在没有完整方法学信息时，不应将这些比例推广至全球医疗行业。

十、常见问题 FAQ

91% 的患者反对医疗 AI 吗？

不能这样理解。调查强调的是知情同意要求，而不是所有受访者都反对 AI。

64% 的医疗机构已经部署 AI 理赔系统了吗？

不是。相关数据描述的是受访机构的投资计划。

AI 可以独立决定患者治疗方案吗？

不能仅凭通用模型能力就赋予其独立临床决策权限。实际应用需要专业验证、适当监管和人工责任机制。

医疗 AI 最重要的安全措施是什么？

数据保护、权限控制、结果验证、用途透明和人工监督都很重要。

API 开发者能直接使用普通聊天接口处理医疗数据吗？

需要先核实具体业务的法律、合同、安全和数据处理要求，不能默认所有接口都适合处理敏感医疗信息。

十一、总结

医疗 AI 正在从概念展示进入实际工作流程。

但技术能力提升，并不自动带来患者信任。

医疗机构希望 AI 降低管理成本，患者则希望知道 AI 如何参与自己的医疗过程。

未来更有竞争力的医疗 AI 产品，不仅需要提高效率，还需要证明其数据处理透明、结果可靠、责任明确，并尊重患者的知情权。

---

参考来源

Healthcare IT Today — Bonus Features, November 1, 2026 https://www.healthcareittoday.com/2026/11/01/bonus-features-november-1-2026-91-of-patients-want-their-permission-required-when-ai-is-used-for-diagnosis-64-of-providers-plan-to-deploy-ai-for-claims-and-denials-management-pl/

来源说明： 本文引用该媒体对 Tebra、Experian Health 等机构调查的汇总。统计数字应保留调查主体与受访者限定，不应改写为全球普查结论。