当AI同时握在医患两端：美国医保账单为何两年多出近10亿美元

一场没有硝烟的成本拉锯

美国医疗保险体系的账单正在悄悄变厚，而推高它的并非某种新药或新疗法，而是写病历、填编码、递理赔这些后台环节里悄然上岗的人工智能。根据蓝十字蓝盾协会（Blue Cross Blue Shield Association，简称 BCBSA）的一项测算，医院在向保险公司提交理赔时借助 AI 工具，两年间让美国医疗支出额外增加了约 9.42 亿美元。这个数字本身并不算天文级，但它指向的趋势值得警惕：当算法开始替人填写诊断编码，医疗费用的定价逻辑可能正在被重新书写。

BCBSA 的分析指出，被记录为「患有复杂疾病」的患者数量出现了明显跃升，但医疗编码与实际治疗之间却存在「清晰的脱节」——换句话说，账单上写着更重的病，病床边的治疗却看不出相应变化。这一判断被《纽约时报》引用为 AI 推高医疗成本的又一佐证。医院与保险公司围绕治疗与赔付的博弈由来已久，而 AI 在双方阵营的同时铺开，似乎让这场拉锯变得更难收场。

编码膨胀：AI 如何把病历变成账单

要理解这笔 9.42 亿美元的来源，得先看清美国医疗理赔的运作方式。医院提交的每一份理赔都附带诊断编码，编码越复杂、越严重，对应的赔付金额通常越高。过去，这套编码由受过专门训练的编码员人工完成，速度和覆盖面都有限。生成式 AI 与临床文档工具的介入改变了这一点：它们能自动从医生口述、电子病历和检查记录中提取信息，生成更完整、更「丰满」的诊断描述。

问题恰恰出在「更完整」这三个字上。当 AI 被用来最大化编码的完整度，而临床端并未同步增加相应诊疗行为时，账单与病情之间就会出现裂缝。BCBSA 正是抓住了这一裂缝，认为编码的膨胀并未对应治疗强度的提升。对于保险公司而言，这意味着支出在缺乏医学依据的情况下被推高；对于医院而言，更完整的编码本就是对真实诊疗复杂度的还原，而非凭空创造。

关于医疗编码体系本身的运作规则，可参考 美国医疗保险与医疗补助服务中心（CMS） 的公开说明；而 ICD 编码的历史与分类逻辑，在 Wikipedia 的 ICD 条目 中有系统梳理。

双方都在用 AI，博弈因此更难收场

值得注意的是，AI 并非只站在医院一边。保险公司同样在部署算法审核理赔、识别异常编码、预测高风险人群。当一方用 AI 把账单写得更满，另一方用 AI 把审核卡得更紧，结果往往不是效率提升，而是摩擦升级。

AI 初创公司 Abridge 的创始人 Shiv Rao 博士对此有过坦率描述：如果放任不管，可能走向「机器人对抗机器人、智能体对抗智能体」的局面，那是一个没人愿意居住的反乌托邦。但他也给出了另一种可能——AI 同样可以缓解医患与支付方之间的紧张，并压低整体成本。这种两面性，正是当前医疗 AI 讨论中最核心的分歧。

BCBSA 高级副总裁 Luke Chalker 则拒绝用「战争」来形容当下的局面。在他看来，这不是一场势均力敌的对抗，而更像「一边倒的流血」，保险公司处在持续失血的一方。这一措辞虽有立场色彩，却反映出支付方对编码膨胀的焦虑程度。

从国内视角看医疗 AI 的落地差异

把视线拉回国内，医疗 AI 的推进路径与美国存在明显差异。国内医院的信息化改造多由院内系统厂商与互联网医疗平台共同推动，病历质控、DRG/DIP 分组、智能编码等环节已有较多落地尝试。以百度文心一言、阿里通义千问、DeepSeek、智谱 GLM 等为代表的大模型，正在被接入病历生成、随访管理和医学知识问答等场景；科大讯飞则在语音电子病历方向积累较深。

差异的关键在于支付结构。美国以商业保险为主的赔付体系，让编码与赔付金额直接挂钩，AI 的编码能力因此天然带有「创收」属性。而国内医保支付更多依赖 DRG/DIP 等打包付费机制，医院过度编码的动机在制度层面被部分抑制，AI 更多被用于提升病历质量与运营效率，而非单纯放大账单。这并不意味着国内没有风险，而是风险的表现形式不同：数据质量、模型幻觉与责任归属，才是国内医疗 AI 更常被讨论的议题。

成本之外，真正的问题是什么

9.42 亿美元只是一个切面。更值得追问的是：当 AI 同时被用于「写账单」和「查账单」，医疗系统是否具备足够的中立力量来判断哪一方更接近真实？编码完整度与临床真实性之间的校验机制，目前仍高度依赖人工抽查，而人工抽查的速度显然跟不上算法生成的速度。

另一个被反复提及的隐患是责任链条。如果 AI 生成的诊断描述被采纳并进入理赔流程，出现争议时，责任应由医院、编码工具供应商还是审核算法的提供方承担？这一问题在美国尚无明确判例，在国内同样处于探索阶段。

可以确定的是，AI 在医疗支付环节的角色不会退回。它既可能成为压垮成本控制的最后一根稻草，也可能成为理顺编码与诊疗关系的工具，区别在于规则设计是否跟得上技术铺开的速度。

常见问题

保险公司为什么认为 AI 推高了医疗成本？

因为医院使用 AI 生成更完整的诊断编码，使账单上记录的病情复杂度上升，但临床治疗强度并未同步增加。BCBSA 测算，这种做法在两年内让美国医疗支出额外增加约 9.42 亿美元。

这 9.42 亿美元是怎么算出来的？

该数字来自蓝十字蓝盾协会对医院理赔数据的分析，通过对比 AI 工具使用前后的编码复杂度与对应治疗记录，估算出编码膨胀带来的额外支出规模。

AI 在医疗理赔中只对医院有利吗？

不是。保险公司同样在用 AI 审核理赔、识别异常编码。双方都在部署算法，反而可能让博弈更复杂，出现「机器人对抗机器人」的局面。

国内医疗 AI 会面临同样的问题吗？

国内医保以 DRG/DIP 等打包付费为主，过度编码的动机在制度上被部分抑制，AI 更多用于病历质控和运营效率。但数据质量、模型幻觉与责任归属仍是主要挑战。

医疗 AI 最终会降低成本还是推高成本？

取决于规则设计。若编码校验与责任机制跟上，AI 有望理顺编码与诊疗关系并压缩行政成本；若缺乏约束，则可能继续放大账单与真实病情之间的裂缝。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。