过去两年，科技行业反复向医疗系统许诺一个光明的未来：生成式 AI 能从文书苦海中解救医生，把繁冗的行政摩擦化解于无形。然而现实很快递来了一张昂贵的反向账单。
美国主流商业健康险联合体蓝十字蓝盾协会（BCBSA）发布报告指出，医院在提交报销申请时普遍采用 AI 辅助编码，导致 2023 至 2025 年间保险支出额外增加了 9.42 亿美元。更值得警惕的是，这笔暴增的开销并未伴随任何治疗方案的实质改进。病历上的诊断被算法描述得愈发凶险，患者躺在病床上接受的处置却与往年别无二致。
合规提码的隐秘技巧：次要诊断如何变现
要看懂这笔近十亿美元的增量，首先要理解现行疾病诊断相关分组（DRG）的结算规则。在住院统筹支付逻辑下，病患的主要病因往往对应固定报销档位，但一旦病历中被抓取到足够多的并发症或次要诊断，系统便会判定病例复杂度升级，自动跳入赔付金额高出数个层级的报销类别。
AI 从未伪造病情，它只是做到了人工永远做不到的巨细靡遗。BCBSA 的测算显示，这 9.42 亿美元中有约 70%（逾 6.5 亿美元）完全归因于 AI 穷尽抓取次要诊断，将复杂病例的占比从 37% 生生推高至 40%。
在编码复杂度蹿升最快的医院样本中，产妇急性失血性贫血的记录比例从 2022 年的约 4% 飙升至 2025 年初的 12% 以上。然而调取同期临床数据，产妇的实际输血率没有发生任何波动。仅这一个微小代码的普及，就为相关医院带来了约 2200 万美元的额外产科账单。若将视线放宽至全美，BCBSA 与健康情报联盟（BHI）基于 6200 万投保人数据的回溯测算表明，更激进的算法提码潜在推高了全美约 23 亿美元 的额外支出。
美国医院协会对此坚决否认恶意，声称这反映了病历完整度的制度性纠错与患者客观病情的加重。但数据不会说谎：文书质量提升了，医疗产出却停留在原地。
算法对决算法：险企早已筑起的拒赔高墙
面对高达九位数的账单冲击，保险公司把自己摆在了受害者的位子上。但这绝不是一场清白机构遭遇技术突袭的悲情戏，而是两股算法势力的正面撞击。
所谓医疗效率革命，在现行体制下迅速异化成了两套算法互相拦截的零和战争。
早在医院大规模部署 AI 之前，大型商业医保就已经在核保端广泛布设算法。全美保险专员协会（NAIC）调查指出，84% 的受访险企早已使用机器学习技术，其中过半数直接用于利用度管理与索赔自动裁决。但美国医院协会的数据同样揭示了另一面：仅有 23% 的商业险计划会向医疗机构披露他们究竟何时、以何种逻辑启用了算法筛查。
美国国会常设调查小组披露过一组触目惊心的数据：联合健康险在急性期后护理的先期授权拒赔率，从 2020 年的 10.9% 翻倍上升至 2022 年的 22.7%。其内部甚至组建了专门团队，利用机器学习预测哪些拒赔申请更可能会被医疗机构上诉。
这种拦截机制本质上是在押注医院的疲倦。官方听证会披露，仅有 11% 的拒赔决定会被提起申诉，而一旦进入申诉程序，竟有高达 82% 的拒赔案被判定错误而遭全部或部分撤销。医院采购 AI 详尽书写病历并辅助申诉，初衷正是为了对冲险企单方面的算法封杀。
效率陷阱：文书解放换来了过度计费
很多人原本设想，环境语音 AI 记录仪能把医生从电脑屏幕前解放出来，从而降低医疗体系的整体运转成本。但医疗行为学期刊《JAMA》公布的一项针对 8581 名临床医生的大型追踪，撕开了这个天真设想。
技术确实削减了时间消耗：医生在每 8 小时班次内少花了 13.4 分钟处理电子病历，减少了 16 分钟书写文书。但节省下来的时间并没有转化为更充裕的医患交流，医生下班后补填材料的工作负担也未出现改善。系统将效率溢出迅速变现：临床医生的周均接诊量增加了 0.49 次，更多碎片时间被直接导流成了可计费的诊疗活动。
天下熙熙，皆为利来。当现行体系依然遵循按服务项目和复杂组别买单时，任何旨在提效的技术工具，最终都会被利益链条塑造成套取最大赔付的算盘。
- 风险.普华永道针对健康险计划的最新调研显示，商业医疗成本预期增长 9%，创下近二十年新高。当医院用 AI 扩大索赔、险企用 AI 筑坝拒赔时，双方相互抵消所产生的庞大系统摩擦费用，最终只会通过创纪录的年金保费，原封不动地分摊到普通企业雇主和投保人家中。
这场闹剧证明了一件事：如果不重构底层激励机制，技术越聪明，系统反而会越贪婪。