新的一年刚刚开始，Kurt Barwis，康涅狄格州布里斯托尔医院和医疗保健集团的总裁，就在急诊室打电话。他的背（字面意思）靠在墙上。
那是2022年1月，omicron，一种新的COVID-19变种，正在逃避疫苗和先前感染产生的抗体。病毒在美国迅速传播，压垮了医院——包括这家仅有154张床位的小型布里斯托尔医院。
在那个特定的夜晚，有超过100人在等待治疗；队伍一直排到了外面的冷风中，Barwis告诉《新闻周刊》。他正在给当地医院的首席执行官打电话，看看他们是否还能接收更多患者——而其他首席执行官也在给他打电话，提出同样的请求。
与此同时，有十多名患者无谓地躺在急性护理病床上。他们已经接受了治疗，医生也批准他们可以出院到专门的护理设施。但他们的保险公司还没有批准所需的预先授权。
更多的健康保险索赔和预先授权请求被拒绝，导致医院陷入行政过载，行业领导者报告称。更多的健康保险索赔和预先授权请求被拒绝，导致医院陷入行政过载，行业领导者报告称。《新闻周刊》/Getty Images 图片说明
因此，他们坐在那里等待。排队等候的人也坐在那里等待。Barwis站在墙边，打电话给其他医院，那里还有更多的人在等待。
在布里斯托尔医院，omicron暴露了预先授权过程如何延误和扰乱紧急医疗服务。虽然这些后果通常不为公众所见，但它们一直是全国医院的持续关注点。2023年，纽约州医疗保健协会报告称，在90天内，参加Medicare Advantage计划的患者因出院延迟而在纽约医院度过了14,000个不必要的日子。
据Barwis称，与Medicare Advantage保险计划合作就像在西部荒野中行事。自从“牛仔”们开始使用人工智能以来，这种情况变得越来越糟糕。
为什么人工智能据称针对Medicare Advantage？
很难确定保险公司何时开始实施人工智能工具；他们通常对其内部自动化流程含糊其辞。但多位与《新闻周刊》交谈的医疗保健和技术领导人在2019年至2020年间开始注意到索赔拒绝加速。
诉讼是在几年后才出现的，但接踵而至。2023年7月，Cigna因一个据说在两个月内拒绝了超过30万份索赔的算法而面临集体诉讼——每份索赔大约花费1.2秒。第二个月，又一起类似的诉讼对该公司提起。
2023年11月，针对UnitedHealthcare的诉讼声称，该公司部署了一种由NaviHealth开发的人工智能工具（NaviHealth本身是该公司健康服务业务Optum的一部分），以拒绝老年Medicare Advantage受益人的护理。几周后，Humana因涉嫌使用同一款NaviHealth工具而被起诉，该工具的错误率高达90%，根据最初的诉讼。
参加MA计划的患者往往以高于平均水平的比率被拒绝护理。2022年至2023年间，私人商业索赔的拒绝率上升了20%以上，而MA索赔的拒绝率几乎上升了56%，美国医院协会在9月份报告称。根据2024年1月对医疗系统首席财务官进行的一项调查，近五分之一的医疗系统去年停止接受至少一项MA计划，原因是对预先授权要求的不满和不断上升的索赔拒绝率。
尽管网络正在逐渐减少，但目前超过一半符合条件的Medicare人口已注册MA计划。与传统的Medicare不同，MA提供一些免保费的计划，带有自付费用上限和额外福利，如视力和牙科。UnitedHealthcare的一位发言人告诉《新闻周刊》，MA成员的自付费用比传统Medicare参保者低45%，避免住院的比率也高出40%以上。
传统Medicare和MA之间的另一个区别在于，后者由私人保险公司承保。这些公司与联邦政府签订合同，每月从医疗保险和医疗补助服务中心（CMS）获得一笔款项，用于覆盖每位受益人的估计护理成本。CMS使用来自具有相似临床特征的传统Medicare受益人的数据生成每个个体的风险评分。这决定了保险公司为MA计划支付的费率，每年都会进行调整。
这些固定付款激励MA计划通过预防服务和早期干预来投资受益者的健康——至少这是初衷。更健康的患者不太可能需要昂贵的医疗干预。如果患者的支出低于CMS根据其个人资料预期的金额，MA计划将获得剩余的资金。反之，如果患者的病情恶化，支出超过CMS的预期，MA计划必须支付差额。
于是，预先授权登场了，这是私人保险公司用来控制成本的一种措施。在最好的情况下，预先授权过程有助于确保保险公司被公平计费，并减少医疗保健系统的浪费性支出。在最坏的情况下，预先授权可以用于拒绝或延迟更昂贵的治疗，即使患者的医生坚持这些治疗。
这可能会堵塞医疗保健系统，正如Barwis在布里斯托尔医院报告的那样。一些患者需要介于医院和家庭之间的护理水平，例如术后康复医院或专门护理机构。这些中心为需要时间恢复的条件提供更专业的护理：手术后的物理治疗，中风后的言语治疗。
然而，由于这些设施具有专门的住院单位性质，它们可能非常昂贵。这些设施通常被推荐给有Medicare的老年患者，而一些MA计划已知会拖延或直接拒绝此类后续护理的批准。
最近，医院领导注意到他们认为是不合理的拒绝有所增加。9月，《新闻周刊》召集了100多名医生和医疗保健高管讨论人工智能对医生的影响，增加的索赔拒绝成为一个令人担忧的问题。
梅奥诊所放射学信息学副主任兼放射学人工智能项目主管Eric Williamson博士称这是人工智能的“意外后果”。虽然这项技术最初是为了自动化管理任务并减轻提供者的负担，但保险公司采用后却导致了更多的索赔拒绝，Williamson表示，这需要医生花更多时间来挑战这些决定。
“我们知道人工智能增加了索赔拒绝的数量，但一旦这些决定受到挑战，很大一部分实际上会被推翻，”Williamson告诉观众。“这需要提供者付出人力努力。”
Williamson继续说，这个问题可能超出了个别医生的控制范围：“这是需要修复的一个大系统。”
现在，美国参议院也同意这一点。
参议院抨击MA预先授权拒绝
10月17日，参议院常设调查小组委员会发布了一份报告，详细描述了MA预先授权环境，称其“不仅已成为一个官僚迷宫，而且可能威胁到[MA受益者]的健康。”
该委员会由康涅狄格州参议员Richard Blumenthal领导，从三大MA保险公司——UnitedHealthcare、Humana和CVS——那里获得了超过28万页的文件，这三家公司共同覆盖了近60%的MA参保者。
报告显示，2019年至2022年间，每家公司在拒绝后急性护理机构的预先授权请求方面显著多于其他请求。2022年，UnitedHealthcare和CVS的拒绝率是整体拒绝率的三倍，而Humana的后急性护理拒绝率是基线的16倍以上。
报告称，随着这些公司开始使用预测技术（如人工智能）来自动化预先授权过程，这些拒绝率上升了。历史上，保险公司雇用医生审查同行的索赔（按照保险公司设定的标准）。但在人工智能模型的帮助下，保险公司可以缩短甚至绕过人工审查过程，从而通过增加拒绝率和减少劳动力支出来提高利润。
保险公司通常辩称，人工智能不是用来替代人类的，而是为了减少行政负担和提高效率。当《新闻周刊》首次要求UnitedHealthcare详细说明其人工智能使用情况时，该公司指向了一个网页，上面写道，“人工智能和[机器学习模型]被安全和负责任地使用，以支持和促进——而不是取代——关键的人类决策。”
然而，小组委员会建议，在某些情况下，当面对产生如此显著成本节约的预测技术时，人类审查员可能会被施加压力，跟随这些技术的建议。
参议院小组委员会还表示，保险公司有意使用算法来拒绝护理并降低成本——包括UnitedHealthcare在内。
2019年——即Optum收购科技公司NaviHealth的前一年——UnitedHealthcare拒绝了1.4%的MA受益者入住专业护理机构的索赔，根据报告。2022年——NaviHealth开始为UnitedHealthcare管理MA索赔的第一个完整年度——拒绝率据说达到了12.6%，是公司收购NaviHealth之前的九倍。
位于明尼苏达州明尼通卡的UnitedHealthcare总部，是参议院10月17日“拒绝恢复”报告中提到的三家保险公司之一。Getty Images
UnitedHealthcare的一位发言人在电子邮件中否认了报告的说法，并表示只有“一小部分”Medicare索赔需要预先授权。
尽管99%的Medicare Advantage参保者被要求为某些服务获得预先授权，但这些服务通常是较少请求的昂贵服务（如入住专业护理机构或化疗），根据健康政策和研究组织KFF。2022年，每位MA参保者平均有1.7份预先授权请求。
“这份报告不准确地描述了自动化在决策中的使用——我们不会使用任何算法工具来做出对后急性护理的不利覆盖决定，”UnitedHealthcare的发言人在电子邮件中表示。
自2017年以来，Humana也与NaviHealth签订了合同，但参议院小组委员会无法确定预测技术是否推动了其长期急性护理医院住院的拒绝率从2020年到2022年增加了54%。然而，小组委员会确实将这种长期住院列为公司的成本问题。Humana的发言人未回应《新闻周刊》的置评请求。
报告称，CVS——通过其子公司Aetna提供MA覆盖——多年来一直在完善其自动化能力。根据参议院小组委员会获得的2019年内部演示文稿，设计用于预测住院授权批准概率的模型在两个级别进行了校准和测试。一个级别旨在“最大化储蓄”，另一个级别旨在“最大化自动批准”。
当训练中的模型分析MA受益者过去的请求时，其“最大化储蓄”功能产生了360万美元的净储蓄，而其“最大化自动批准”功能产生了40万美元的净损失。
该模型在2019年至2022年的报告期间未用于做出护理决定，仅在2023年5月实施时应用于专业护理机构。然而，2019年的演示文稿称，建立“单独模型”以处理后急性预先授权请求是“关键优先事项”。同月的另一份演示文稿建议，公司整体MA部门的自动批准率为12%以上，而MA后急性护理的自动批准率为2%。
根据参议院报告，文件表明，到2019年底，CVS“正在调整其自动化策略，以防止批准其认为应被拒绝的案件。”
CVS Health的一位发言人在电子邮件中告诉《新闻周刊》，该报告“严重歪曲”了公司对预先授权的使用，并称许多包含在内的文件是草稿，不代表最终决定。发言人表示，公司经常接受CMS的审计（其竞争对手也是如此）。
但这些技术中的一些确实进入了实用阶段。2021年中期，CVS推出了其人工智能驱动的Post-Acute Analytics计划，目标是“优化[专业护理机构]的使用”。该计划首先在两个州的MA计划中启动，但到2022年底，已在16个州获得批准。最初，该计划预计在三年内节省1000万至1500万美元，但到2021年11月，预计节省额已飙升至7730万美元。
Post-Acute Analytics (PAA)——负责这一人工智能工具的供应商——在其网站上回应了该报告，称参议院小组委员会“错误地”将其增加的预先授权拒绝归咎于其Anna软件。该供应商声称，PAA软件“从未”用于做出预先授权建议或拒绝专业护理机构请求。
PAA进一步解释了其流程，称其人工智能工具加速了批准，提高了合规性并减少了行政负担。“我们关注的是批准，而不是拒绝，”PAA表示。
但参议院报告中获得的CVS文件将“医疗成本节省”列为Post-Acute Analytics的“价值驱动因素”。表格中列出了另外五个计划，每个计划的价值驱动因素都是“管理成本节省”或“管理和医疗成本节省”。尽管PAA声称减少行政负担并强调批准，但它却是文件中唯一未被CVS列为管理成本节省计划的项目。
《新闻周刊》联系了PAA并询问了这一差异。该公司未回复《新闻周刊》的问题。
医院能否应对不断上升的索赔拒绝？
参议院小组委员会建议，CMS应开始收集按服务类别划分的预先授权信息，以查看是否有任何类别被“单独挑出”进行拒绝，并在保险公司数据显示不利拒绝显著增加时进行有针对性的审计。它还建议CMS扩大对预测技术使用的监管——例如，要求MA保险公司披露这些工具如何用于预先授权过程，并制定规则以确保它们不会影响医生的意见。
在10月2日与《新闻周刊》的对话中，Parathon（一家为医疗系统提供拒赔管理服务的收入周期管理供应商）的总裁Chandler Barron建议，保险公司算法的更多透明度可能有用。如今，关于人工智能如何用于拒绝索赔几乎没有透明度。如果医疗系统能看到人工智能模型的评分表，至少他们就知道自己在对抗什么，Barron表示。
“这就像突然之间，语言改变了，但附近没有翻译，”Barron说。
但即使有了更高的透明度，大多数医院也没有资源来解读这些信息，Barron表示。他们每年已经在与保险公司争论被拒绝的索赔上花费约197亿美元，医疗咨询公司Premier在3月估计。
通常，医院行政人员比护理人员还要多，Michael Gao博士告诉《新闻周刊》。Gao曾担任NewYork-Presbyterian的医疗转型总监，负责AI战略，2020年创立了自己的AI公司SmarterDx。当临床医生被卷入不面向患者的事务时，这加剧了医疗工作者的短缺，Gao表示。
10月28日，SmarterDx宣布了一种新工具，可以扫描被拒绝的索赔并生成全面的上诉信，包括临床证据和编码参考。该工具在三家医院的住院护理中进行了试点，据报道，将撰写上诉信的时间从大约一小时缩短到大约五分钟。
“我们希望所有医生和护士都在治疗病人，而不是写上诉信，”Gao说。
2023年7月25日，倡导者在美国国会大厦外抗议，当时民主党国会议员举行新闻发布会，呼吁结束Medicare Advantage计划的“错误延迟和拒绝”。2023年7月25日，倡导者在美国国会大厦外抗议，当时民主党国会议员举行新闻发布会，呼吁结束Medicare Advantage计划的“错误延迟和拒绝”。Alex Wong，Getty Images
但并非每家医院都能负担得起用人工智能对抗人工智能，Bristol Hospital的总裁Barwis表示，他还担任美国医院协会董事会成员。Bristol Hospital聘请了医生顾问来争辩拒绝，但并未因行政负担而获得保险公司的补偿。没有大型医疗系统的额外资源，这样的成本压力可能导致社区和农村医院合并。
大多数保险公司是营利实体，有股东和投资者激励他们创造回报。拒绝索赔对他们来说没有任何成本，但医院必须投入大量资源来反击，医疗行业领导者告诉《新闻周刊》。有时，拒绝的负担如此之大，以至于医院必须选择要挑战哪些拒绝——接受保险公司不会为其提供的某些护理报销的事实。
在某些情况下，Sentara Health的首席医疗信息官Joe Evans博士认为，人工智能实际上可以帮助解决这些问题。如果公平使用，自动批准可以让患者和提供者在同一个房间时就做出明智的护理决策。例如，需要CT扫描的患者如果自动获得批准，可以在离开办公室前安排该预约。
“对于一些算法批准，有很大的机会，模型可以对满足某些标准的所有索赔给予绿灯，”Evans说。
但正如参议院小组委员会发现的那样，自动批准模型的盈利能力显著较低。
违反医嘱
与保险公司不同，医院承担着患者安全的即时责任。当患者无故滞留医院时，他们增加跌倒或医院获得性感染的风险。然而，医院不能在没有安全出院计划的情况下释放患者。
Barwis表示，有时被拒绝的索赔会使患者病情加重。对于癌症中心的MA患者，从临床诊断到治疗的平均时间在过去两年中增加了一倍多。患者可能需要长达一个月的时间才能获得所需的治疗，因为他们的医生正在努力获得批准。在此期间，患者的病情可能会恶化，导致更昂贵的急诊和住院治疗。
读完参议院小组委员会的报告后，Barwis对使用高技术手段最大化拒绝感到担忧。
“所使用的复杂程度令人羞愧，”他说。“这绝对是可耻的。”
(全文结束)
