实施医疗保险欺诈曾需要专业技能。伪造医疗记录要求掌握临床术语和计费代码，通过电话冒充患者或医师更需真人操作。而人工智能技术已基本消除了这些障碍。
大型语言模型只需一个指令即可生成从未发生的医疗程序文件。AI代理能在单日内无间断地拨打保险公司数千次电话。这项优化合法业务运营的技术，正被规模化地用于攻击医疗保险行业。
"我们曾认为AI将被用于保险业欺诈，如今这一威胁已然显现，"Highmark公司财务调查与医疗服务审查副总裁库尔特·斯皮尔（Kurt Spear）表示。
警示并非空穴来风。2025年6月，美国司法部宣布开展史上最大规模的国家医疗欺诈专项打击行动，在50个联邦司法管辖区对324名被告提起诉讼，其中包括96名持证医疗专业人员，涉案金额超146亿美元。AI技术已出现在起诉书中：两名巴基斯坦营销公司高管被控利用AI生成虚假的 Medicare（联邦医疗保险）受益人录音，谎称其同意接收产品，并将录音与窃取的患者数据打包出售，支撑了约7.03亿美元的欺诈索赔。
根据国家医疗反欺诈协会数据，医疗欺诈每年造成高达4800亿美元损失。保险反欺诈联盟统计显示，美国各险种保险欺诈年损失达3086亿美元，其中医疗欺诈约占1050亿美元。追回损失极为困难，刑事调查是主要途径，但回收率通常不足本金的零头。
AI赋能的欺诈新形态
该协会指出，AI可用于篡改医疗记录、创建合成患者身份、冒充医师以及扫描保单漏洞。技术运作规模使其威胁尤为严峻。
"我们客户在数月内就遭遇1.5万次机器人电话攻击，"亚特兰大身份验证技术公司Pindrop医疗业务副总裁杰森·巴尔（Jason Barr）表示。该公司为美国多家大型保险公司提供语音认证技术，其系统在通话时后台运行，通过分析声纹、语速、行为模式及电信信号数据识别呼叫者是否为真人。
合成语音质量突飞猛进：两年前还明显失真，如今已极具迷惑性。Pindrop客户报告称，AI呼叫者能在通话中实时变换口音甚至模仿坐席语音。
深度伪造医学影像是新兴威胁。Highmark正部署可检测像素级医学影像异常的工具，因人眼识别已难以应对。《放射学》期刊今年发表的研究显示，放射科医生区分真实与深度伪造X光片的准确率仅75%。AI文本输出亦有可检测特征：布法罗大学研究人员开发的工具能识别AI生成的放射科报告，发现大型语言模型倾向使用精雕细琢的华丽辞藻，而医师则偏好简洁的临床语言。
政府应对措施
联邦执法正在升级。医疗保险和医疗补助服务中心（CMS）与司法部计划用"侦测即部署"策略取代传统"先支付后追查"模式，利用AI在付款前标记可疑账单。2025年专项行动中，司法部宣布成立医疗欺诈数据融合中心，整合司法部医疗欺诈组、联邦调查局、卫生与公众服务部监察长办公室等机构，运用云计算、AI及高级分析技术应对新型欺诈。
2025年《虚假申报法案》追回金额创68亿美元纪录，其中医疗领域占84%。司法部同时强调，医疗机构端的AI文档操作——包括AI驱动的病历审查和回顾性编码——将面临更严格审查，可能成为《虚假申报法案》追责依据。
对保险企业的启示
尽管2025年保险业AI部署激增87%，欺诈损失却未下降，表明检测投入尚未跟上AI攻击的复杂化步伐。已部署先进检测系统的企业成效显著，但领先者与落后者的差距正在拉大。
落后者亟需明确优先事项：鉴于机器人电话攻击规模确凿，呼叫中心层面的语音认证成为最紧迫短板；影像验证工具和AI文档检测需嵌入理赔流程前端而非事后应用；考虑到司法部对医疗机构AI文档的重点关注，保险公司还需重新评估受理端对AI辅助临床记录的处理方式——这不仅是欺诈防控问题，更可能因在《虚假申报法案》调查中暴露管控缺陷而引发责任风险。
被保险人仍是关键防线。当患者收到未接受过的医疗服务账单时，往往是最早期的预警信号。"部分最佳举报线索正来自被保险人，"斯皮尔强调。
【全文结束】