夜雨聆风
医疗服务中有一类损失长期被低估：患者已经知道某项服务，也表达过兴趣，甚至完成了账号注册，却迟迟没有真正预约并完成第一次就诊。
2026年7月7日，医疗健康数据与患者沟通平台RadiantGraph公布了一项与虚拟消化专科机构Oshi Health合作完成的研究。RadiantGraph成立于2023年，总部位于旧金山，主要将分散的医疗、保险和行为数据用于个性化患者沟通，并于2025年推出医疗语音助手平台。Oshi Health则是一家自2019年起提供线上消化专科服务的机构，服务范围涵盖胃食管反流、肠易激综合征、炎症性肠病及其他消化系统问题。
双方尝试解决的不是诊断，也不是用AI替代医生，而是医疗流程中更靠前、却直接影响收入与服务效率的一步：让已经进入服务漏斗的人，真正完成第一次就诊。
研究结果显示，接受AI语音外呼的人群完成首次就诊的概率约为对照组的3.42倍；在已经注册账号、但尚未预约的人群中，这一差距扩大到24.71倍。更值得注意的是，这并非实验室模拟，而是在真实医疗服务流程中进行的连续部署。相关论文进入2026年国际人工智能医学大会的同行评审会议论文集。
3.42倍背后，真正被推动的是“已注册、未预约”的患者
这项研究在2025年9月至10月间持续7周，共纳入8799名尚未完成首次消化专科线上就诊的人。其中4082人被分配至AI语音外呼组，4717人进入对照组。
研究团队按照患者所处阶段，将其分成3类。
第一类是尚未注册账号的潜在患者；第二类是已经创建账号、但没有预约首次就诊的人；第三类是曾经预约、但最终没有完成就诊的人。AI语音助手根据不同阶段使用不同沟通流程，完成身份确认、项目介绍、费用解释、常见问题回答以及转接人工服务等任务。
整体来看，AI语音组的首次就诊完成率为1.08%，对照组为0.32%，对应优势比为3.42，统计结果达到显著水平。
这里需要纠正新闻稿标题中的一个表达。所谓“提升340%”并不准确等同于完成率直接增加340个百分点。更严谨的说法是，AI语音组的完成率约为对照组的3.4倍，但绝对完成率只提高了约0.76个百分点。
真正明显的效果集中在第二类患者，也就是“账号已经注册，只差预约”的人群。该阶段对照组2345人中只有1人完成首次就诊，AI语音组1437人中有15人完成，对应完成率分别为0.04%和1.04%，优势比达到24.71。
这个数字看起来惊人，但也需要结合极低的原始基数理解。它并不能证明AI语音助手可以让所有患者的就诊率提高20多倍，而是说明患者已经形成明确意愿、距离行动只差一步时，一次及时、个性化并且能够回答具体问题的沟通，可能产生明显效果。
相比之下，AI语音外呼对尚未注册的人群，以及已经预约却未完成就诊的人群，虽然方向上有所改善，但差异没有达到统计显著水平。这意味着语音助手并不是在所有环节都有效，它更像一个针对特定流失节点的工具，而不是可以覆盖整条患者旅程的万能方案。
运营数据同样值得关注。AI语音助手的整体接听率为23.99%，外呼量达到历史人工团队的9倍。按每联系1000人计算，系统大约节省75小时人工时间，患者支持团队的效率提高约70%。研究期间未发现需要升级处理的安全事件，但这只能说明本次有限部署中没有识别出问题，不能据此推导其在更大规模和更复杂场景中已经完全安全。
AI医疗语音助手的价值，不在替代医生，而在接住流程漏掉的人
这项研究真正有价值的地方，并不是AI声音变得多么自然，而是它开始用医疗机构能够理解的指标证明自己。
过去，大量医疗语音产品展示的是对话流畅度、响应速度或者与真人声音的相似程度。但医疗机构最终关心的并不是AI能不能“聊”，而是它能否提高预约完成率、减少人工时间、控制每名有效患者的沟通成本，并在出现风险时及时把对话交给真人。
从这个角度看，RadiantGraph与Oshi Health的实践已经完成了初步落地。AI没有参与疾病诊断，也没有给出治疗方案，而是承担高频、结构化、可审计的沟通任务。医生仍然负责临床服务，人工团队则可以处理复杂问题、情绪沟通和异常情况。
这可能是当前AI医疗语音助手最现实的分工方式。
它首先进入的不会是高风险诊疗决策，而是预约提醒、项目解释、用药依从性支持、保险权益介绍、复诊召回和慢病随访等环节。这些任务每一次看起来都不复杂，却因为数量庞大、时间分散和人工成本较高，长期处于“应该做，但没有足够人手做”的状态。
与此同时，这项研究还不足以支持过度乐观的结论。
第一，研究只发生在一家线上消化专科服务机构，尚未证明结果能够复制到肿瘤、心血管、精神健康或线下医院等场景。
第二，研究观察的是30天内是否完成首次就诊，而不是症状改善、治疗依从性或者长期健康结果。
第三，部分患者同时接受短信提醒，因此结果衡量的是在原有数字化触达基础上增加AI语音的效果，而不是AI与人工坐席之间的直接比较。
第四，论文作者来自产品提供方和合作医疗机构，虽然研究采用随机分配并进入同行评审会议论文集，但仍需要更多独立团队、多中心样本和更长周期的数据进行验证。
因此，这项研究证明的并不是“AI语音已经可以全面替代医疗客服”，而是一个更克制、也更有商业意义的结论：在患者已经产生明确意愿、但尚未完成关键行动的阶段，具备医疗知识边界、身份验证、流程控制和人工转接能力的语音助手，能够扩大服务触达，并可能以更低的人力成本提高就诊转化。
下一阶段的竞争重点也不会只是语音模型本身。谁能够接入预约系统和医疗记录，谁能够实时识别患者所处阶段，谁能建立清晰的对话边界、风险升级与审计机制，谁才更可能把一次漂亮的演示变成长期可采购、可续费的医疗基础设施。
AI医疗语音助手正在从“会说话的软件”，变成连接患者意愿与真实医疗服务的一层入口。
这项研究的样本和效果仍然有限，但它至少给出了一个值得期待的信号：医疗AI不一定要从最复杂的诊断开始。先把那些已经接近医疗服务、却因为一次无人接听、一个费用疑问或一次预约拖延而流失的人接回来，同样可能创造真实价值。
