2025年8月6日
作者：Rajeev Ronanki, M.S.
评论文章
在没有规范约束的情况下，人工智能可能被滥用，导致过度计费和大量申诉。但通过正确的策略，AI可以增强而非损害医疗质量和支付完整性。
人工智（AI）正在迅速改变医院运营，从诊断和文档处理到收入周期管理。随着这些工具变得更加强大和普及，它们正在重塑医疗服务的提供、记录和计费方式。对于健康计划领导者来说，这个新时代既带来了巨大潜力，也伴随着重大风险。AI可能简化医疗服务、减少浪费并优化工作流程。但若缺乏监管，它也可能被用来虚增账单、掩盖审计轨迹，并将治疗场景推向更高成本的环境。
AI应用场景
医院和医疗系统正在临床、运营和财务领域部署AI。在临床方面，AI被用于解读放射影像、支持诊断和个性化治疗方案。在运营层面，AI驱动的语音助手帮助减少文档负担，虚拟助手分诊患者查询，预测模型管理人力和供应链。
对于支付完整性最关键的是，AI正在快速扩展到收入周期管理领域。自然语言处理（NLP）工具正在从音频记录中生成就诊记录，随后使用生成式AI转化为计费代码。其他工具会根据病历推荐赔付率最高的诊断。自动化系统被用于加速预先授权、优化服务地点选择，并推动更积极的理赔申诉流程。根据美国医疗集团管理协会（MGMA）数据，仅在2024年，近半数大型医疗机构扩大了AI应用范围，其中许多将收入增长作为关键目标。
潜在收益
当AI被合理部署时，它可以在患者护理和健康计划运营方面带来切实且可衡量的改进。AI增强的诊断系统可以及早发现疾病迹象，实现更具成本效益的干预措施。机器学习模型可以根据患者病史和预后预测来个性化治疗方案，从而提高护理质量和减少并发症。环境文档等工具帮助减轻医生的行政负担，在提高记录准确性的同时减少职业倦怠。预测分析通过在高风险患者和潜在护理缺口升级为高成本事件前进行干预，进一步加强医疗服务。
对于健康计划而言，这些能力转化为改善治疗结果和减少服务利用。支持基于价值医疗服务的AI可以帮助填补护理缺口并确保及时适当的服务，从而减少不必要的检查、提高用药依从性并加快理赔处理。
简而言之，当按照设计用途使用时，AI可以通过减少浪费和提升护理质量来协调健康计划和医疗服务提供方的激励机制。随着这些工具的普及，它们将从根本上改变理赔和申诉的规模、复杂性和性质——而且这些变化往往难以通过传统基于规则的系统检测到。
风险与警示信号
这些能够改善医疗和效率的AI工具同样存在被滥用的可能。一些医院已经在训练AI优化计费代码，即使临床依据薄弱也能获得最高赔付。AI生成的医疗记录可能包含从未在临床交谈中讨论过的诊断或症状。算法可能建议更长的住院时间，或将更复杂的代码分配给常规程序。在这种情况下，AI成为过度计费的放大器，而非护理优化的工具。
最近的一个案例凸显了这种风险。2024年底，科罗拉多州某大型医疗系统同意支付2300万美元，以解决使用自动化规则对急诊室就诊进行错误编码的指控。联邦检察官指出，该机构存在系统性滥用文档工具生成虚高账单的问题。类似的调查已扩展到其他涉嫌使用AI生成可疑诊断或基于不透明算法拒付保险的医疗机构。
另一个新兴风险是AI生成大规模理赔申诉的能力。这些工具可以自动填充模板化申诉理由、调取相关文档并批量提交。尽管这可能提高合理申诉的效率，但若被滥用，会压垮健康计划运营，超出内部人员处理能力，延迟问题解决并增加行政成本。
从策略上来说，大量申诉可能成为迫使理赔重新审查或拖延拒赔的钝器。这给支付完整性团队带来压力，使理赔流程复杂化，并增加运营开销。若无约束，这种战术可能导致理赔数量增加、申诉量上升以及雇主和参保成员的成本上涨。健康保险系统面临被表面看似合理但实质由AI虚增的理赔淹没的风险。若这些计费行为变化未被察觉，可能引发重大监管反弹。
早期趋势
健康计划已经观察到早期变化迹象：编码模式正在转变，理赔提交速度加快，文档看似更规范但可能未准确反映患者就诊情况。这些变化虽细微，但指向一个AI正日益塑造医疗记录、计费和赔付的快速演变格局。
传统的支付完整性方法——基于人工病历审查和静态规则集——已显不足。要保持主动权，健康计划必须能够区分由AI驱动的效率提升与系统性利用AI的欺诈行为。
若不采取行动，可能导致成本上升、医疗机构关系恶化和法律风险增加。缺乏前瞻性策略，健康计划可能在成本控制和医疗机构信任方面失去优势。
应对策略演变
领先的支付完整性供应商已帮助健康计划应对这个AI驱动的新格局。首先需要构建能够检测新行为的AI工具。机器学习模型可以基于历史趋势、同行基准和临床合理性识别异常计费模式。预付款分析可以在资金流出前标记可疑理赔，而NLP工具通过检测过度文档化或诊断不一致强化付款后审计。
但更重要的是，支付完整性未来的保障在于协作。健康计划必须与医疗机构就AI使用和监控展开透明对话。新的审核流程不应惩罚创新，而应维护系统完整性。
目标不是放慢进步，而是引导其发展。企业正在投资能力帮助健康计划在这一平衡中前行。通过可解释AI与人工监督结合，这些解决方案能够实现更快审核、更精准筛查和减少摩擦。支付准确性平台被设计为实时学习、适应新模式，并只将关键理赔提请审查，使合规理赔顺畅流转。
随着医疗系统中AI应用的加速，医疗保健的未来正在被重写。对于健康计划，这既是机遇也是挑战。机遇在于与医疗机构合作实现更低成本、更优治疗；挑战在于防止损害信任并遏制不必要的支出。
支付完整性领导者必须通过现代化工具、强化监督和深化合作迎接这一时刻。通过正确策略，AI可以增强而非削弱医疗质量。通过可信合作伙伴，健康计划可以构建面向未来、数据驱动并能保护生态系统价值的支付完整性体系。
Rajeev Ronanki, M.S. 是支付完整性公司Lyric首席执行官。
【全文结束】
