Becker's专访克利夫兰诊所、马里兰大学医学系统等6家顶级医疗系统——看他们如何让AI从"花钱项目"变成"收入引擎"，让CIO从"管技术的"变成"管增长的"。2026年AI策略关键词：稳底盘、讲纪律、做减法。
编者按
过去几年，美国医院在AI上没少折腾——试点一个接一个，项目遍地开花。但进入2026年，风向变了。Becker's Hospital Review采访了6位顶级医疗系统的技术负责人，包括克利夫兰诊所、马里兰大学医学系统等。这个案例的价值在于：它不是某一家医院的个别经验，而是6家顶级医疗系统不约而同得出的同一套结论——CIO正在变成"增长推动者"，AI不再是成本中心，而是收入增长的引擎。这里说的"收入增长"，不是涨价，也不是多做检查，而是把效率变成结余、把能力变成产能——这恰恰是国内医院当下最该想清楚的一件事。他们走过的弯路和正在做的调整，对国内医院信息科有很强的参考价值。
2026年初，Becker's Hospital Review问了6家美国顶级医疗系统的技术负责人同一个问题：2026年，你的AI策略是什么？
6个回答，一个共识：不搞试点竞赛了，先把底盘稳住。AI不是成本中心，是收入增长的引擎。
这些医院包括克利夫兰诊所、马里兰大学医学系统、Adventist HealthCare、Endeavor Health、UK King's Daughters和凯撒医疗联盟相关机构，覆盖了从大型学术医疗中心到社区医院的多种类型。过去几年，它们都经历了AI的快速试水期——智能病历听写、AI辅助编码、临床决策支持，各种试点遍地开花。但进入2026年，利润越来越薄、人手越来越紧、对IT投资回报的期待越来越高，CIO们的角色也在变——从"管技术的"变成"管增长的"。关键词变了：不再是"创新""试点""前沿"，而是"稳得住""推得开""算得过来账"——说到底，技术得能算进医院收入那本账里。
下面，我们逐一看看这6家医院是怎么做的。···
▎稳底盘：系统稳不稳，直接决定收入能不能增长
过去，系统稳定性是信息科自己的KPI。现在不一样了——系统稳不稳，直接关系到医院能不能增长、医生用着顺不顺手、收入会不会悄悄漏掉。
马里兰大学医学系统的CTO Ryan Vervack说得很直接：2026年，他的核心目标是让技术支撑增长，而不是拖后腿。具体怎么做？用AI自动化日常事务，增强现有人员的能力（而不是替代他们），做能全院推广的方案——"建一次，到处用。"
"在医疗行业，系统稳定性是底线，没有商量余地。减少救火式的工作、统一平台标准，我们才能把精力放在真正有价值的创新上。"
—— Ryan Vervack，马里兰大学医学系统 CTO
说白了就是：不再做一个一个的定制化方案，而是建可复用的工具。信息科的角色，从"接需求做开发"变成"建平台供全院用"。而对医院来说，稳定的系统本身就是收入：少一次宕机，就少一次门诊停摆、手术延期、收入断流。
▎AI走出试点：效率提上去，收入才能长出来
克利夫兰诊所的首席数字官Rohit Chandra的态度很有代表性：AI不再是实验室里的玩具，而是要变成医院日常运转的一部分。
他的团队正用AI做两件事：减少行政杂活，提升诊疗质量。具体来说，智能病历听写和AI辅助病案编码，是目前最看重的两个场景——让医护少填表、少跑腿，把时间还给患者。别小看这两件事——省下的每一分钟，最后都会落到接诊量、周转率和收入上。
"运营效率上去了，增长自然来；增长带来的资源，又让我们能把患者服务做得更细、更个性化。这是一个正向循环。"
—— Rohit Chandra，克利夫兰诊所 首席数字官
翻译成医院听得懂的话：AI带来的收入增长，不靠涨价，也不靠多开检查，而是靠把医护的时间抢回来——医生能多看几个病人、病案编得更准更快、床位周转更顺，收入就是从这些效率里长出来的。
值得注意的是，Chandra特别强调了一个前提：得让医护人员先用习惯AI，后面才能越推越广。换句话说，AI落地不是一锤子买卖。先让一线用顺了，再往深处推——这是一个"先用起来→再用好→再推广"的过程。···
▎讲纪律：不追新，只投算得过来账的
钱紧、事多、系统复杂——这些现实问题，正在逼着美国医院对AI投资更加挑剔。不是什么都想试，而是只投能看到回报的——最好是在收入那本账上看得见的回报。
Adventist HealthCare的CMO Neil Roy讲了一个很有启发的例子。他所在的马里兰州，实行一种独特的付费模式——医院按社区护理收取固定费用，超支自负，结余留用。这跟国内DRG/DIP改革后的逻辑很像：收入的天花板基本定死了，多做项目不一定多赚钱，省下来的成本才是留下来的收
马里兰"打包付费"模式怎么运作
医院收取固定社区护理费用 → 超支自负，结余留用 → 省下来的结余，就是医院真正留下的收入 → 技术投资必须聚焦"省钱提效"，而不是"多做检查多做手术"
Roy说，在这种模式下，外科的策略是：接更复杂的病例、缩短住院天数、把每一分钱花在刀刃上。技术投资也一样——不追新，而是聚焦已经验证有效的技术：智能病历听写和手术室排程优化。
"我们追求的是有纪律的增长，不是为了增长而增长。先把基本盘稳住，才有余力往前走。"
—— Neil Roy，Adventist HealthCare CMO
这句话点透了当下医院收入增长的一个真相：在打包付费、DRG/DIP这类模式里，收入不是"多挣"出来的，而是"省"出来、"挤"出来的——盘子就那么大，谁的成本更低、效率更高，谁的结余就更多。AI的价值，恰恰在这里。
▎系统瘦身：减掉的是成本，腾出的是增长空间
AI投资加速的同时，另一个问题越来越突出：系统太多、太杂、太散了。
Endeavor Health的数据分析副总裁Chad Konchak说，他的团队正在做一件很多医院不愿意做的事——系统瘦身。不是继续加新的点状工具，而是重新审视现有系统：哪些能合并？哪些该淘汰？哪些核心平台能承载多种能力？
"AI投入越大，这种纪律就越重要——必须确保每一笔技术投资，在财务上算得过来、在运营上站得住脚。"
—— Chad Konchak，Endeavor Health 数据分析副总裁
注意这里的顺序：不是先加AI，而是先做减法。十几个、几十个系统各自采购、各自维护、各自要人，这些是年年都得交的"固定支出"；把冗余合掉、把平台收拢，省下来的采购和运维预算，才是能拿去投增长的活钱。
UK King's Daughters医疗系统的临床服务副总裁Brandi Fields从另一个角度说了同一件事：与其不断加新工具，不如先问一问——现有工作流里，哪些卡点可以靠AI打通？
她举了一个很具体的例子：医院的采血团队要覆盖大面积、多楼层的病区，每天要排定时采血、紧急采血和常规采血。现在全靠经验和判断决定先去哪层楼、后去哪层楼——时间敏感的标本可能就因此延误了。
如果用AI来规划最优路线、自动排定优先级呢？她举了航空业的例子——航空公司已经在用AI优化行李搬运人员的路线，确保关键航班准点。医院同样有"时间紧、路线复杂"的场景，完全可以借鉴。标本送得快，报告出得快，住院日就能压短，床位就能多转一轮——这些最后都会落到收入上。
···
▎CIO的角色变了
支付方式在变，利润空间在收窄——CIO不再只管技术，正在被拉进核心决策。从"按项目付费"到"按效果付费"，这个转变正在改变医院的运营逻辑：收入不再取决于做了多少，而取决于做得好不好、效率高不高。
凯撒医疗联盟相关机构的战略执行副总裁Nolan Chang说了一句很有判断力的话：在当前环境下，"按效果付费"模式是走得最稳的路。
AI和数字工具在这个模式里的角色很明确：让各科室之间配合更顺、让运营更高效。他提到凯撒的智能导航工具，用来引导患者到合适的诊疗环节、减少不必要的周转。这种工具不直接产生收入，却决定了每一份医疗资源有没有被用在对的地方——在按效果付费的模式下，这恰恰是收入能不能守住的关键。
但他也指出了一个更深层的问题：真正的财务稳定和增长，不能只盯着临床——患者的经济状况、生活环境，都在影响诊疗效果。这已经不只是IT问题了，是战略问题。···
这6家医院的"收入增长"，到底从哪来？
先把话说清楚：不是涨价，也不是多做检查。他们走的是三条路——
① 用效率换收入：把医护填表、跑腿的时间抢回来，变成接诊能力和周转速度（克利夫兰诊所）
② 用纪律换结余：在打包付费模式下，省下来的成本就是留下来的收入（Adventist HealthCare）
③ 用平台换产能：系统瘦身省下的钱，投到能全院复用的能力上（Endeavor Health）
▎这个案例给国内的启发
案例启示
启示一：从"比谁试点多"到"比谁落地稳、收入稳"
这6家医院已经走过了"铺试点"的阶段，开始追求"稳得住、推得开、全院用"。国内很多医院还在比"上了几个AI项目"，但真正该问的是：这些项目，有几个能稳定运行超过一年？有几个真正在全院用起来了？试点不是目的，落地才是。信息科的价值不在于"引来了多少新技术"，而在于"让多少技术真正跑起来了"——跑起来的技术才会变成效率，可持续的效率才会变成收入。
启示二：系统瘦身是AI落地的前提，也是省钱的前提
Endeavor Health在做系统瘦身——减掉冗余系统，聚焦核心平台。国内医院的信息系统只多不少：HIS、PACS、LIS、EMR、手麻、护理、HRP……几十个系统各管一摊，数据不通、能力不复用。AI想落地，先问一句：是在一堆散乱的系统上叠加AI，还是先把底座理清楚再长应用？先减再增，才能让AI真正跑在干净的数据和流程上。而每减掉一个冗余系统，就少一份年年要交的采购、运维和人力开支——这笔钱，就是医院能拿去投增长的底气。
启示三：AI投资不是越多越好，是越准越好
Adventist HealthCare在"打包付费"模式下选择了有纪律的增长——不追量，聚焦效率，只用验证过的技术。国内DRG/DIP改革正在改变很多医院的收入结构，从"多做项目多赚钱"变成"控好成本才有结余"。AI投资也一样：不是越多越好，是越准越好。每上一个场景前先问一句：它能省下多少人力、压短多少住院日、腾出多少产能？答不上来，就先别上。选对场景、选对切入点、选对能持续迭代的供应商——这比抢跑更重要。
启示四：最懂医院流程的人，才能让AI变成收入
Brandi Fields提到采血团队路径优化的例子很有意思——AI可以规划最优路线，但前提是有人清楚采血团队每天面对什么、哪些楼层优先、哪些标本有时间窗口。AI能力下限由底层大模型决定，上限由使用者的行业专长决定。信息科最清楚医院的数据从哪来、流程怎么走、卡点在哪——这些判断，只有懂行的人才能把握。换句话说：AI能不能省下成本、能不能变成收入，最终不取决于买了什么模型，而取决于谁在用它、怎么用它。
▎案例总结
回看这6家美国顶级医疗系统的做法，指向同一个方向：CIO的角色正在变成"价值创造者"——AI不再是成本中心，而是收入增长引擎。下一阶段竞争，不是谁先上、谁试点多，而是谁的底盘更稳、谁的系统更精简、谁能把效率真正换成收入。
这个海外案例对国内医院的信号很明确：DRG/DIP改革正在改变收入结构，评级达标对系统稳定性提出更高要求，AI落地的瓶颈不在模型能力，在于数据和流程能不能接住。对信息科来说，考核的标尺也在变——不只是"系统有没有出事"，而是"技术有没有帮医院把收入挣得更稳、把成本压得更低"。
这些美国医院的选择是：先稳底盘，再谈增长。信息科的价值，不再只是"保障系统不宕机"，而是"用技术驱动医院的收入增长"。这个案例值得国内信息科认真看一看。
案例来源：Becker's Hospital Review（2026.2.2）
免责声明：
智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
