OpenAI 和 Anthropic 在防御性竞赛中推出医疗保健工具

OpenAI 和 Anthropic 在 2026 年初相隔数天先后推出了专注于医疗保健的工具。这些公告聚焦于结构化数据处理和增强的安全分类器，而非新的诊断能力。这一时机凸显了聊天机器人采用率趋平所带来的收入压力已成为这些举措的主要驱动因素。

这些发布正值通用企业聊天使用明显趋于平稳的信号出现之际。大客户在达到使用上限后减少了席位数量，促使两家公司转向受监管行业寻求长期合同。医疗保健因其多年采购周期以及愿意为合规功能支付溢价而成为合理目标。两家公司的高管在私下简报中承认，面向消费者的增长指标已在 2025 年底见顶，迫使他们转向那些能容忍较慢销售周期但能带来可预测收入流的垂直领域。与营销或软件开发团队中看到的病毒式采用模式不同，医疗保健采购遵循深思熟虑的评估框架，奖励能够展示可审计性和监管对齐的供应商。

有关组织如何在受监管环境中管理复杂 AI 知识的更多背景，请参阅本AI 原生第二大脑指南。

发布在同一时间线上到达

OpenAI 发布了接受去标识化患者记录并维护持久哈希以供后续审计重建的数据处理层文档。Anthropic 发布了 API 更新，该更新会自动对涉及治疗建议的查询进行分类，并在模型响应到达用户之前插入额外的审批门。

两次公告之间仅相隔四个工作日，消除了任何有意义的第一 mover 优势。两家公司的文档都强调日志粒度和策略执行，而非原始模型性能。已经在运行内部试点的医院 IT 团队发现，这些更新有助于完成此前阻碍更广泛推广的合规检查清单。在若干有据可查的案例中，组织在初始概念验证测试后暂停了扩展，因为风险委员会要求通用 API 端点无法提供的可重现证据轨迹。

集成模式略有不同。OpenAI 的层要求在模型调用之前使用单独的数据摄取管道，而 Anthropic 的分类器则在现有 API 请求内内联运行。这两种方法都允许现有工作流继续，而无需医院从头重建其数据架构。例如，中型学术医疗中心的放射科可以继续将成像笔记输入其现有的电子健康记录系统，同时将去标识化的摘录通过新的 OpenAI 管道路由以进行摘要任务。西海岸社区医院的类似实施使用 Anthropic 更新来标记肿瘤学查询，并将其路由通过现有的护士审查队列，从而避免了新硬件或网络分段的需求。

早期测试者报告称，一旦创建了初始数据映射模板，设置时间平均在两到四周之间。对于已经习惯将提示暴露给 API 网关的组织，Anthropic 的内联方法将该时间缩短了大约一半，尽管在高峰时段引入了略高的延迟。评估两个选项的医院表示，保持当前数据流的能力是供应商比较中的决定性因素。一家中西部卫生系统最终选择了 OpenAI，因为其单独的摄取层更好地符合禁止将即使是去标识化记录直接暴露给外部 API 的内部数据治理政策。

核心聊天机器人收入增长已放缓

通用聊天界面的企业使用指标在 2026 年前两个季度趋于平稳。两家公司的内部报告指出，许多大型账户达到了合同覆盖限制，并开始削减活跃席位而非扩展。这一模式与 2024 年和 2025 年初营销、法律和产品团队迅速增加许可证时观察到的快速席位增长形成鲜明对比。

医疗保健合同提供了有吸引力的替代方案。典型交易跨越三到五年，单用户定价更高，通常还包括承诺的使用下限。这些特征有助于在消费者和一般企业细分市场停止以之前速度扩展后稳定收入预测。销售团队已被重新定向到预算周期青睐多年承诺而非按月灵活性的行业。金融服务和医疗保健现在共同代表了两家公司新企业管道价值的大部分。

这一转变也反映了采购现实。医疗保健买家通过正式的 RFP、安全审查和法律谈判来评估供应商，这些过程可能持续九个月或更长时间。然而，一旦签署，协议的续订率往往高于短期聊天机器人许可证。大型综合交付网络的采购官员公开指出，多年医疗保健合同现在是 OpenAI 和 Anthropic 销售管道中唯一显示持续两位数年度合同价值增长的细分市场。跟踪季度申报的分析师预计，如果续订率保持在 85% 以上，这些垂直交易到 2027 年底将至少占企业总收入的 18%。根据Bloomberg 对 AI 企业支出的分析，医疗保健和金融领域的垂直交易正在稳定基础模型提供商的收入。

两种工具都优先考虑审计轨迹而非新答案

OpenAI 的审计日志捕获每次模型调用以及哈希患者标识符和所使用的确切提示模板。Anthropic 添加了一个实时分类器，用于标记涉及诊断、药物剂量或护理计划的请求，然后在输出发布给用户之前要求第二个人类审批者。

这些控制直接回应了医院首席合规官最常表达的担忧。风险团队需要在审计或医疗事故索赔时获得可重现的记录，而新功能恰好提供了这一文档层。模型输出本身与先前版本保持不变。医院报告称，主要价值在于填补此前迫使他们运行并行手动流程或将 AI 访问限制在非临床员工的空白。

两次发布均未包含将准确性与医生或现有决策支持系统进行比较的新临床基准。公司转而强调这些控制如何符合当前监管期望，即任何护理决策都需要人工签字。一家中西部大型卫生系统在为期六周、覆盖 14,000 次患者就诊的试点中使用了 Anthropic 分类器；零输出绕过了所需的人工审批步骤，证明防护栏按预期运行且未中断临床医生吞吐量。学术中心的类似试点侧重于衡量日志完整性而非临床结果改善。

医疗监管机构仍掌握节奏

FDA 指南和州医疗委员会规则继续要求持牌临床医生在 AI 输出影响患者护理时保留最终责任。OpenAI 和 Anthropic 在其初始声明中重申了这一界限，将这些工具定位为支持基础设施而非自主系统。

这一监管立场限制了短期内工作流重新设计的范围。医院可以加速文档和审查流程，但如果不触发新的审批途径，就不能取消医生监督。因此，这些发布减少了现有治理结构内的摩擦，而不是重写它们。纽约和佛罗里达州的医疗委员会已经表示，他们将在年度许可审查期间要求医院提交样本审计日志，这为新工具创造了直接用例。

州级差异增加了另一层复杂性。一些司法管辖区要求在 AI 协助诊断时获得明确患者同意，而另一些则侧重于上市后监督。新工具允许医院配置日志记录和审批步骤以匹配本地要求，而无需为每个设施重建集成。例如，在加州，设施现在可以直接在 Anthropic 分类器内切换同意捕获提示，而德克萨斯州的实施则强调与该州医疗委员会报告节奏一致的响应后审计导出。国际市场增加了更多细微差别：欧洲医院还必须满足 GDPR 和新兴 AI 法案要求，两家供应商都在通过特定区域配置标志解决这些问题。路透社关于全球 AI 监管的报道强调了这些区域差异如何塑造供应商策略。

对医院运营的实际影响

采用这些工具的医院获得了跨部门跟踪模型使用的标准化方法。首席医疗信息官现在可以生成月度报告，显示哪些服务最依赖 AI 辅助，以及在何处可能需要额外培训来降低覆盖率。这些报告经常揭示采用模式不均衡，某些专科迅速采用工具，而其他专科则维持手动流程。

采购团队受益于围绕数据保留和审计访问的更清晰合同语言。两家供应商现在都提供符合常见 HIPAA 商业伙伴协议要求的模板语言，缩短了历史上延迟试点的法律审查阶段。财务团队已利用多年承诺结构来改善资本规划预测，因为承诺的使用下限取代了可变的每席位费用。

工作流重新设计仍然是渐进的。典型部署从单一服务线（如放射科或肿瘤科）开始，这些科室在电子健康记录中已有结构化数据。成功指标侧重于文档审查期间节省的时间，而非诊断准确性的变化。一个肿瘤学小组在实施 OpenAI 层后，将平均笔记审查时间从每位患者 11 分钟减少到 4 分钟，尽管总体就诊时长保持不变，因为医生仍进行了独立验证。在整个卫生系统范围内更广泛的推广通常需要在初始试点证明稳定后 9–12 个月。

The Verge 指出了主要卫生系统类似的渐进式采用模式。

局限性和风险

这些工具仍然依赖于医院必须自行维护的去标识化管道。哈希错误或受保护健康信息的不完全移除，即使在AI层正常运行时，也可能造成合规风险。一些早期采用者发现，遗留系统产生了不一致的标识符格式，需要自定义中间件才能让新工具可靠地处理记录。

模型输出仍带有早期版本中观察到的相同幻觉风险。虽然审计日志使追踪问题响应变得更容易，但它们并不能阻止这些响应首先到达临床医生手中。几个试点站点报告了孤立案例，模型建议了不正确的剂量范围，随后被人工审阅者发现，这凸显出安全网仍然完全依赖人工。两所大学医院的持续监测计划现在包括每周审查会议，记录覆盖原因并反馈到提示工程周期中。

供应商锁定是另一个担忧。一旦医院围绕某家提供商的分类器投入了自定义提示模板和审批工作流，切换成本就会上升。较小的医疗系统可能会发现自己在续约时谈判筹码有限。两家供应商的早期合同语言都包含迁移协助条款，但重新映射每个模板的实际工作仍需要数周的专用工程时间。因此，建议医院协商退出条款，不仅涵盖数据可移植性，还包括自定义提示库的转换。

竞争格局与先前的垂直举措

两家公司此前都曾涉足受监管行业。Anthropic在金融服务领域的早期企业协议建立了审计日志的参考架构，如今出现在医疗更新中。OpenAI与政府机构的合作提供了应对冗长安全评估的经验。

其他AI供应商通过不同途径瞄准医疗保健领域。有些专注于环境临床文档，有些则专注于影像分析。OpenAI和Anthropic当前的举措代表着试图捕获位于这些利基工具之上的更广泛“推理层”。Microsoft的Nuance部门和Google的Med-PaLM努力继续强调领域特定训练，形成了一个双层市场：通用基础模型提供商在灵活性上竞争，而专业供应商则在狭窄的准确性基准上竞争。

定价模型仍不透明。两家公司均未公开披露每查询或每床位费率，留给医院逐案协商。早期迹象表明，交易包含最低年度承诺，高于一般企业聊天机器人合同。行业分析师预计，最终公布的标价将包含比标准企业层级高出30–60%的合规附加费。

工作流集成细节与变更管理

成功的实施需要协调的变更管理计划。将 rollout 视为技术项目而非临床流程举措的医院，在第一个月经历了更高的覆盖率。最佳实践站点成立了跨职能团队，包括合规官、护士信息学家和主治医师，在部署前审查提示模板。这些团队在初始试点阶段每周开会，迭代审批工作流并减少不必要的摩擦。

两家供应商开发的培训材料包括基于场景的模块，引导临床医生处理常见边缘案例，例如模棱两可的实验室值或相互冲突的指南推荐。要求在授予API访问权限前完成这些模块的医院，报告了使用模式更快稳定，且向风险管理委员会上报的情况更少。变更管理手册现在强调不仅衡量时间节省，还衡量临床医生满意度评分和覆盖原因，以指导迭代改进。

接下来值得关注的事项

合同公告将提供最清晰的 traction 信号。观察者应跟踪两家公司是否在2026年第三季度末前达成两家或更多多机构医疗系统协议，以及这些交易是否包含可衡量的使用最低要求。续约数据将比初始签约更重要。如果试点计划扩展为系统范围部署，且座位数量随时间增加，防御性描述可能会转向真正的增长。

监管发展也可能改变激励措施。FDA关于软件作为医疗设备的新指南，或明确AI辅助决策责任的州立法，将改变目前强调的审计功能的价值。国际扩张，特别是进入数据本地化规则更严格的市场，可能会进一步区分两家供应商的产品。

FAQ

这些工具会减少对医生的需求吗？

不会。当前法规要求持牌临床医生保留最终决策权。这些工具专注于文档和审查流程，而非自主护理。

这些发布与现有的EHR决策支持模块有何不同？

它们运行在通用基础模型上，而非狭窄训练的临床算法。集成仍需要将医院数据模式映射到供应商的预期格式。

如果记录的响应后来出现在医疗事故案件中会怎样？

审计轨迹提供提示、模型版本以及采取的任何审批步骤。医院保留如何在法律程序中呈现该信息的责任。

定价细节是否可用？

详细费率在合同谈判期间仍处于保密状态。早期采用者报告年度承诺远高于通用聊天机器人许可。