首页

AI 没让医疗更便宜,反而先让账单更贵?

医疗 AI 进入病历编码与理赔审核流程的示意封面
原创概念封面:延续春雨CapitalAI深蓝、香槟金与品牌署名结构;数字来自BCBSA分析,为保险方估算,不代表因果结论。

2026年9月30日|AI4Science、全球医疗与跨境资本

开头结论

9 月 26 日,TechCrunch 援引美国蓝十字蓝盾协会(BCBSA)的一项分析称,医院使用 AI 文档和编码工具提交保险理赔,两年内可能对应约 9.42 亿美元的额外医疗支出。分析观察到“复杂病情”编码明显增加,但没有看到治疗内容同步变化。TechCrunch,2026-09-26

这并不能证明 AI 本身造成了全部新增支出,也不代表医院一定存在不当收费。但它揭示了医疗 AI 商业化最现实的一道考题:

如果支付激励不改变,AI 可能先把原有利益博弈自动化,而不是把医疗变得更便宜。

未来医疗 AI 的价值,不能只用“节省了多少医生时间”衡量,还要看它是否改善患者结果、减少重复工作,并降低整个系统的净成本。

AI进入医疗支付链条:效率工具与支付博弈对比图
编辑部信息图:数字为保险方(BCBSA)估算,不构成因果结论。

一、发生了什么

已核实事实:TechCrunch 9 月 26 日报道,BCBSA 分析认为,AI 辅助文档可能使更多患者被记录为复杂病情,并带来约 9.42 亿美元额外支出。报道同时引用 Abridge 创始人 Shiv Rao 的警告:最坏的结果可能是医院与保险公司的自动化系统彼此对抗。

这不是孤立现象。路透社今年 3 月曾调查医院与保险公司如何分别使用 AI 优化编码、审核理赔和事前授权。报道引用另一组 BCBSA 推算:全国范围内,更激进的 AI 辅助编码可能与约 6.63 亿美元住院支出及至少 16.7 亿美元门诊支出相关。Reuters,2026-03-12

这两组数字的样本、时间范围和外推方法不同,不能相加,也不能直接当作因果结论。它们共同指出的是一种趋势:生成式 AI 正进入临床文档、诊断编码、理赔审核和拒付申诉等支付链条。

二、为什么重要

美国 2024 年医疗支出已达 5.3 万亿美元,占 GDP 的 18%。CMS 预计,医疗支出增速到 2034 年仍将快于经济增长。CMS National Health Expenditure Fact Sheet

在这样的系统里,AI 每提高一个百分点的编码强度,都可能形成巨大的资金转移。医院希望完整记录病情并获得合理支付;保险公司希望识别不必要支出。双方各自优化都可能是理性的,但合在一起可能形成“机器人对机器人”的军备竞赛:一边自动补充病历、寻找更高等级编码,另一边自动质疑、拒付,再由新的 AI 自动申诉。

如果患者结果没有改善,系统只是更快地产生账单、拒付和行政摩擦,那么所谓效率并没有变成社会价值。

三、对创业者、医疗机构和投资人的影响

对创业者:不要只卖“医生每天节省两小时”。还要证明工具没有系统性抬高编码,不增加不必要检查,并能在审核中回溯每一项建议的证据。最有价值的产品,应同时改善临床质量和支付质量。

对医疗机构:AI 生成的病历不能直接变成账单。医院需要抽样复核“病历—诊断—治疗—编码”的一致性,并把异常编码率、拒付率和申诉率纳入模型监控。

对投资人:收入增长很快的医疗 AI 公司,未必真正创造了系统价值。应追问:客户收入增加来自更准确记录,还是更激进收费?产品节省的人工成本,是否被拒付、合规和纠纷成本抵消?

创业者、医疗机构、保险公司与投资人各自需要证明什么
编辑部信息图:医疗AI支付链条中的四方证据责任。

四、春雨的判断

做医疗投资近二十年,我越来越相信,医疗创新最容易证明的是“局部效率”,最难证明的是“系统净价值”。一个工具可以让医生更快完成记录,让医院提高回款,让保险公司减少支出;但这三件事并不天然等于患者得到更好的照护。

真正值得长期投资的医疗 AI,不应只站在支付链条的一边。它需要留下证据:病历是否更完整,诊断是否更准确,患者是否得到更及时的治疗,总成本是否下降,以及错误发生后谁负责纠正。

我的判断是,医疗 AI 的下一轮分化,不会只看模型能力,而会看激励是否一致。能够把临床质量、患者利益与支付结果放进同一套评价体系的公司,才可能建立真正的信任壁垒。

春雨的判断:临床质量、患者利益、支付完整性与系统总成本
编辑部信息图。

五、三个可执行启示

  1. 同时设临床与财务指标。除了节省时间和提高回款,还要跟踪患者结果、编码变化、拒付率和申诉成本。
  2. 建立人工抽样审计。定期检查 AI 建议是否有病历和治疗证据支持,对高风险编码设强制复核。
  3. 用总成本做试点验收。比较部署前后六个月的全部成本,不把某一方收入增加直接当作系统效率。

六、风险与反方观点

医院可能合理地指出,AI 只是把过去遗漏的病情记录得更完整;住院患者也可能因为较轻病例转到门诊而显得更复杂。保险方提供的分析存在自身商业立场,观察性数据也不能单独证明 AI 导致支出上升。

另一方面,保险公司使用 AI 审核和事前授权同样可能造成不当拒付。HHS 监察长办公室此前发现,部分符合 Medicare 规则的申请仍被拒绝,这说明成本控制也必须接受审计。HHS-OIG

因此,正确结论不是“停止医疗 AI”,而是要求所有参与方用同一套证据回答:它究竟改善了什么,增加了什么成本,又把风险转移给了谁。

本文仅供产业研究与行业交流,不构成医疗、法律或证券买卖建议。

信息来源


CHUNYU CAPITAL AI · 春雨资本与AI观察

关于作者与平台

张春雨(Wendy Zhang)

跨境医疗投资人,拥有近20年医疗健康投资与产业经验,长期关注医疗器械、创新药、AI4Science及跨境资本市场。她致力于连接美国与亚洲市场,帮助医疗和科技企业理解产业趋势、融资路径与全球化机会。斯坦福商学院校友。

春雨 Capital AI

一个聚焦全球医疗、AI4Science与跨境资本的研究及产业连接平台。平台以公开事实、原始资料和长期产业视角为基础,持续研究技术商业化、企业融资与资本市场路径,为创业者、企业管理者和投资人提供独立、清晰、可执行的决策参考。