OpenAI 把电脑操作智能体推进医院与医保流程
OpenAI 11 月 16 日上线医疗电脑操作智能体:325 项任务 99% 判安全,行政任务每单 8.5 美分。

OpenAI 在 11 月 16 日把「电脑操作智能体」(computer-use agents)接入 ChatGPT for Healthcare。它不要求医院把每个环节都开放成 API,而是让模型像人一样读屏、点击、输入,在电子病历(EHR)与医保门户之间完成事前授权、转诊、出院安排等多步流程。官方同日公布评测数字:325 项临床任务中 99% 被评为安全,行政任务在 HealthAdminBench 上每单 8.5 美分。
要点
- 99% 是任务级安全评分,不是患者结局。 评审员对照模型产出的记录、医嘱和患者消息,判断其中的错误、遗漏或动作是否「可能」导致患者伤害;325 项任务中 99% 评为安全。同一批工作里,医生在 646 次评估中有 93% 给出「很有帮助」或「极有帮助」。
- 8.5 美分对应 GPT-6 Luna 在 HealthAdminBench 上的单任务成本。 该基准由斯坦福研究人员维护,覆盖事前授权、设备订单和申诉;Luna 拿到 91.8% 的可用评分点,GPT-6 Astra 为 94.3%,官方称 Luna 便宜 98%。两者都按最高推理强度运行。
- 能力已经上线,不是实验室演示。 电脑操作智能体今天可在 OpenAI API、ChatGPT for Healthcare 和 ChatGPT for Clinicians 中使用;ChatGPT for Healthcare 同时增加 20 多个医疗插件(名单列 21 个),CVS Health、Cigna Healthcare 等机构已在生产或试点流程里使用。
背景
医疗支付与交付的割裂是老问题:EHR 里的信息往往已经够用,但要完成事前授权,工作人员仍得把记录取出来,手工填进保险公司的另一个门户。OpenAI 此前通过 ChatGPT for Healthcare 与 ChartGPT 进入临床工作流;这次补上的是一条不依赖对方提供 API 的路线——智能体直接操作现有界面。我们此前在智能体控制浏览器里讨论过这条路线:省掉对接,代价是依赖界面稳定性与权限边界。
另一条路线是数据接口。开源项目里,FHIR MCP Server 把任意 FHIR 服务器包装成智能体可读写的工具,HealthChain 则在生成 FHIR 资源时做值集校验。这次发布把两条路线并列摆出:21 个插件是集成入口,电脑操作智能体走界面;前者要求对方有接口,后者只要求人能操作的屏幕。
事实部分
OpenAI 的评测分临床与行政两部分。临床侧用 GPT-6 Astra,任务是医生参与设计的 EHR 收件箱工作,要求跨纵向病历推理并在复杂界面里完成多步操作。评审员把模型的动作与它生成的记录、医嘱、患者消息放在一起看,安全标准是「模型工作中的错误、遗漏或操作是否可能合理导致患者伤害」。这是任务级判断,不追踪真实患者结局。帮助性由医生按五分制打分,646 次评估中 93% 落在前两档。
行政侧用 HealthAdminBench。基准网站显示,它包含 135 项任务、1,698 个子任务和 4 个图形界面环境,任务来自事前授权、耐用医疗设备订单和申诉三类流程,分三个难度。计分单位是「可用评分点」的比例,并不等于整项任务完全成功。OpenAI 报告的是 Astra 94.3%、Luna 91.8%,以及 Luna 每单 8.5 美分、比 Astra 低 98%。官方没有拆解这 8.5 美分里是否包含重试、系统集成和人工复核。
| 项目 | 数字 | 口径 |
|---|---|---|
| 临床安全 | 99% | 325 项任务,评审员逐项判断 |
| 临床帮助性 | 93% | 646 次医生评估,五分制前两档 |
| 行政得分 | 94.3% / 91.8% | HealthAdminBench 可用评分点,Astra / Luna |
| 行政成本 | 8.5 美分/任务 | GPT-6 Luna,最高推理强度 |
| 医疗插件 | 21 个 | 官方名单,ChatGPT for Healthcare 内可用 |
插件名单是 Aiva、Amion、Assort Health、Availity Extend、Elation Health、Ferry、IMO Health MCP Server、Infinitus Relay、K Health、Luma Health、Metriport、Notable Integration Specs、Oracle HDI Overview、PenguinAI Medical Coding、Photon、Redox、Stedi、Subsalt、Trizetto、Turquoise 和 UpToDate Expert AI。官方把它们描述为在 ChatGPT for Healthcare 与 ChartGPT 中使用的集成入口;这和直接操作界面的智能体是两套能力,不能理解为插件会让模型自主操作 EHR。
部署侧,CVS Health 用智能体在临床系统之间发送文件、处理转诊和支持专科会诊。一个生产流程在周末清掉了积压数月的发件队列;另一个每天处理数万次会诊所需的系统步骤,并配合人工监督、截图与操作记录。Cigna Healthcare 说案件管理员过去要在 10 多个临床与行政系统之间找信息,现在几秒内汇总;从概念到上线不到八周(HIT Consultant,2026-11-16)。Abridge 在开发住院场景的跨系统协作,Ambience 的智能体在病历有歧义时停下来询问临床医生,得到批准才提交事前授权,并保留逐步日志供审计。
购买与合规方面,组织可以通过销售团队采购,ChatGPT for Healthcare 也可经 AWS Marketplace 私有报价购买;现有客户让管理员在 ChatGPT Work 和 Codex 里开启。涉及受保护健康信息时,必须使用 BAA 覆盖的服务并配置相应的安全与保留设置;OpenAI 称组织数据不用于训练基础模型。
各方说法
HIT Consultant 把这组数字放进医疗 IT 的竞争格局:8.5 美分的单任务成本让「等 FHIR API 成熟」不再是唯一选项,也会压缩靠人力堆出来的外包和点状创业公司。它同时强调治理环节的分量——人工复核、逐步审计,以及明确哪些动作需要批准。
iTMunch 的提醒更直接:这些是评测结果,不是临床结局;演示用的是合成数据;HealthAdminBench 按评分点计分,比「整项任务成功」宽松;签了 BAA 也不等于任何智能体用法自动合规。它还提到,模型仍可能在未获适当批准时行动,这类风险要靠部署方的权限与复核设计兜底。
来源之间有一处措辞差异:HIT Consultant 称评审员为「独立评审员」,OpenAI 原文只说「评审员」,没有说明是否为外部独立人员。我们按 OpenAI 的措辞处理:这是厂商组织的评测,不能当成第三方认证。
编辑判断
这次发布真正改变的是「最后一公里」的成本结构。过去医院要在两种方案里选:等厂商把 API 做好,或者用人把数据搬来搬去。电脑操作智能体给出第三种选择——用模型操作现有界面,按任务付费。对医院 IT 和营收循环团队,值得先算三笔账:单任务模型成本之外的人工复核、界面变更带来的维护,以及失败重试与审计开销。8.5 美分只覆盖模型运行这一项,官方没有拆解其余部分。
对开发者,电脑操作是 API 的补充而不是替代。有接口的地方仍应走接口;只有对方没有接口、或接口覆盖不全时,界面操作才划算。把插件当成自主操作 EHR 的能力,是这次发布最容易被误读的地方。
诚实的问题有三个。99% 是任务级安全评分,样本 325 项,由厂商设计,没有真实患者结局,也没有独立复现。界面自动化对改版敏感,而医院软件升级频繁,维护成本会随界面变化上升。最后,谁来承担智能体点错按钮的责任,目前仍要由部署机构的审批、日志与保险安排来回答。
接下来
值得看三件事:CVS、Cigna 是否公布生产指标,比如错误率、返工率和审计成本;是否有独立团队复现 99% 与 8.5 美分这两个数字;以及 EHR 与医保门户厂商会不会限制或标准化这类界面自动化。插件生态的采用率也要看——21 个插件里,哪些真的进入日常流程,哪些只是目录里的名字。