Yanwu Song1, Tingting Yan2, Fu Jia3, Lujie Chen4, Hao Li5
（1. School of Management, University of Science and Technology of China, Hefei, Anhui, China;
2. Rawls College of Business, Texas Tech University, Lubbock, Texas, USA;
3. College of Business Administration, Capital University of Economics and Business, Beijing, China;
4. International Business School Suzhou, Xi'an Jiaotong Liverpool University, Suzhou, China;
5. College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing, Jiangsu, China）
编者按：
在全球医疗资源分配不均、慢性病管理压力日益增大的当下，生成式人工智能（GAI）作为新兴技术，为改善医疗服务质量、优化资源配置带来了新契机。该研究聚焦医疗情境下GAI的价值共创潜力，通过与中国大型医院合作的干预性随机对照试验，揭示了GAI如何促进患者、医护人员等利益相关者之间的价值共创，有效降低患者焦虑并减少再入院率。这不仅契合当前利用科技提升医疗服务可及性与效果的大趋势，更为医疗运营中GAI的实践应用提供了宝贵的理论与实证依据，因此极具研究价值。
当今医疗行业面临着在资源有限和成本攀升的环境下提供高质量、以患者为中心护理的艰巨挑战。既往研究已证实，患者出院后的焦虑情绪是影响其行为和再入院的关键因素。患者出院后在适应独立生活的过渡阶段常产生焦虑与压力，这与康复延迟和再入院率升高直接相关，不仅增加医院运营成本，更带来沉重的社会成本。在发展中国家，大量慢性病患者面临医疗资源获取受限的困境。全球仅2%的卫生预算分配给心理健康领域，在心理健康需求日益增长的背景下，人力和财力资源的严重短缺使得劳动密集型医疗解决方案难以满足需求。人工智能（AI）技术虽被视为变革医疗运营管理的重要力量，已应用于健康问题早期检测、实时信息支持等场景，但数据隐私、可靠性及决策歧视等问题引发了公众对AI驱动医疗创新的信任危机。
生成式人工智能（GAI）技术的出现为整合AI、患者及利益相关者于统一网络框架实现价值共创提供了新机遇，但其自主性和适应性带来的复杂性与动态性降低了透明度和可预测性。为此，本研究采用干预性研究方法，在心血管护理系统中开发并实施GAI干预措施，旨在降低患者出院后焦虑和30天再入院率。研究以行动者网络理论为视角，将GenAI视为互动主体，探讨其在价值共创框架中的作用，通过与中国大型医院合作，联合潜在用户和多方利益相关者共同设计GenAI干预方案，并通过随机对照试验评估其对114名患者出院后自信心和护理质量的影响，揭示GenAI在动态价值创造网络中的跨界整合作用。
传统价值共创模型源于运营管理中的客户参与研究，强调服务提供者与用户等利益相关者通过资源整合和互动协作创造价值，但主要聚焦人类互动，鲜少涉及非人类行动者如信息技术的作用，难以解释新兴技术与多方主体的协同机制。行动者网络理论为解析这一问题提供了视角，其核心是将人类与非人类行动者置于平等分析地位，认为技术与人类通过形成联盟、招募参与者等动态过程构建网络，这一理论已被用于解释医疗领域复杂信息系统的应用机制。GAI凭借拟人化和认知能力在医疗服务中展现潜力，可提供全天候心理支持、辅助临床决策等，但也面临信任不足、隐私风险和需求异质性等挑战。现有研究多测试成熟AI模型的有效性，而本研究从行动者网络理论视角探讨GAI在价值共创中的动态发展及作用机制，扩展了相关理论框架。
本研究采用干预性研究结合随机对照试验，在中国某公立医院开展实证研究。该医院为大型综合性教学医院，拥有3800余张床位，年门诊量约230万人次，服务覆盖4万平方公里区域，2023年其服务范围内心血管疾病高风险人群达86.29万。
研究先通过两次焦点小组访谈收集17名利益相关者（医生、护士、患者及家属等）的需求，发现患者出院后焦虑问题突出，医护人员认可AI干预潜力但担忧有效性与隐私安全。基于此，组建跨学科团队开发GenAI工具M-AI，以3500次医患咨询对话为训练数据，经迁移学习和强化学习优化，形成四阶段标准化干预方案（疾病认知、情绪调节等），每日提供20～30分钟个性化互动。初步评估阶段对106名患者实施M-AI干预，结合医生反馈（互动质量评分从3.49提升至3.71/5分）优化模型，增设监管委员会保障隐私，并移植至微信提升易用性。最终随机对照试验于2024年1-3月开展，共纳入119名CCS分级I-Ⅲ的心血管疾病患者，分层随机分为干预组（60人）和对照组（59人）。干预组接受M-AI干预，对照组采用常规护理。
研究关注焦虑水平改善与30天再入院率降低两个关键指标，采用双重差分法和Cox比例风险模型进行数据分析，严格控制患者年龄、性别、住院时长、血脂水平等潜在影响因素。在焦虑改善方面，研究使用状态-特质焦虑量表测量患者出院前及30天后的焦虑水平。结果显示，经控制混杂变量后，接受M-AI干预的患者状态焦虑评分较对照组显著降低6.049分（p<0.01），特质焦虑评分降低5.521分（p<0.01）。这表明基于价值共创设计的M-AI能有效缓解患者焦虑，满足心血管疾病患者的心理社会需求。再入院率评估中，干预组58名患者中仅3人（5.17%）在30天内再入院，而对照组56名患者中有9人（16.07%）再入院。Cox比例风险模型结果显示，干预组患者30天再入院风险较对照组显著降低87.8%（风险比=0.122，p<0.05）。进一步分析未发现年龄、教育程度、工作状态等患者特征对干预效果存在显著调节作用，表明M-AI干预具有较好的普适性。这些结果验证了GenAI在医疗价值共创网络中的有效性，为资源有限环境下改善医疗健康运营效率提供了实证支持，凸显了M-AI作为低成本规模化心理干预工具的潜力。
本研究聚焦GenAI在医疗价值共创中的应用，通过干预性随机对照试验验证了其对心血管疾病患者出院后护理的改善效果。结果显示，基于价值共创设计的M-AI干预显著降低了患者焦虑水平和30天再入院率，为资源有限环境下的医疗服务优化提供了实证支持。在理论层面，研究通过行动者网络理论打开了GenAI的“黑箱”，揭示了其作为动态网络核心节点的跨界整合作用。GenAI不仅是技术工具，更是连接患者、医护人员、AI开发者及监管者的互动主体，通过信息共享与持续学习促进多方价值共创，将传统聚焦人类互动的价值共创框架扩展至人机协同网络。同时，引入非参与观察者（NPO）捕捉患者对AI的主观认知变化，解释了干预有效性的认知机制，为干预性研究提供了方法论创新。在实践层面，研究为医疗领域GenAI开发提供了明确路径：需通过焦点小组充分收集利益相关者需求，基于迭代反馈优化模型，并赋予患者在设计中的话语权。建议将GenAI整合至微信等常用平台提升易用性，通过监管委员会保障隐私与伦理，实现低成本规模化心理干预。
本研究存在一些局限，如单中心设计可能限制普适性，缺乏长期随访数据，且仅针对心血管疾病。未来研究应在多机构验证效果，开展纵向追踪，并扩展至其他慢性病领域，进一步挖掘GenAI在医疗价值共创中的潜力。
资料来源：
根据Song等于2025年发表在Journal of Operations Management期刊题目为《Developing Generative AI for Value Co-Creation: An Intervention-Based Randomized Field Experiment in a Healthcare Context》的文章缩写整理而成。
（本文责任编辑：郭瑞芳）
