过去十年，健康保险公司已广泛采用人工智能算法。与医生和医院使用AI辅助诊断治疗不同，保险公司用这些算法决定是否支付患者医生推荐的医疗服务费用。
最常见的例子是预先授权：医生必须获得保险公司批准后才能提供治疗。许多保险公司使用算法判定所需治疗是否属于"医学必要性"应被覆盖。这些AI系统还协助决定患者应获得多少治疗，例如术后住院天数。
若保险公司拒绝支付医生推荐的治疗，患者通常有三种选择：申诉（耗时费力且成功率不足0.2%）、接受保险公司覆盖的替代治疗，或自费支付（对高昂医疗费而言往往不现实）。作为研究健康法与政策的学者，我担忧保险算法对患者健康的影响。虽然这些工具理论上可降低成本，但证据显示相反结果——系统常以节省成本为名拒绝或延迟必要治疗。
医疗压制模式
理论上保险公司输入患者病历和医学标准来判定索赔，但拒绝披露算法运作机制。使用AI审查节省人力成本，但可能通过拖延申诉流程获利：若重病患者命在旦夕，保险公司可能通过拖延战术在案件解决前规避赔付。这引发严重担忧——算法可能针对慢性病、残疾等高昂医疗支出情况限制治疗。正如报道揭示："许多终身缴纳医保的老年人面临截肢或癌症时，不得不自费治疗或放弃。"
研究证实这种担忧：慢性病患者更易被拒赔并因此恶化健康。少数族裔和LGBTQ群体的索赔被拒率显著更高。甚至有证据表明，预先授权机制反而可能增加医疗系统总成本。
保险公司辩称患者可自费支付，但这种论调忽视现实：当人们无力承担时，这些决策将直接危及健康。与医疗算法不同，保险AI工具基本处于监管真空，无需FDA审查且常被视作商业机密。这意味着公众无从知晓其决策逻辑，也没有第三方测试验证其安全性与公平性。
监管动向
联邦医保和医助服务中心（CMS）近期规定保险公司需基于个体患者需求做决策，但未强制外部测试。科罗拉多、佐治亚等州已推动立法，其中加州2024年要求保险算法必须由持证医师监督。但多数法案仍允许保险公司自行定义"医学必要性"，且未要求算法在使用前接受专家审查。
FDA的潜在角色
许多健康法专家认为监管保险算法已刻不容缓。FDA拥有专业团队可评估算法安全性，且现有机制已审查医疗AI工具。但现行法律定义医疗设备需用于诊断或治疗疾病，因此可能需要修订法律将保险算法纳入监管。若国会扩展FDA权限，或将建立全国统一监管框架。同时CMS和各州可要求独立测试算法的安全性、准确性与公平性，这可能推动行业支持统一标准。
目前监管虽已起步，但患者生命仍悬于一线。算法决策背后的利益博弈，正持续威胁着数百万美国人的医疗可及性。
【全文结束】
