蓝十字蓝盾分析显示：AI辅助医院编码在2024‑2025年导致约9.42亿美元额外费用

蓝十字蓝盾协会（BCBSA）发布了一项分析，量化了医院使用的人工智能（AI）编码工具的财务影响。报告指出，与2023年的基线相比，AI辅助编码系统在2024‑2025期间产生了约9.42亿美元的额外支出。

该分析通过比较被归类为“复杂”的住院比例来衡量成本增长。在BCBSA成员计划中，复杂入院的比例从2023年初的37 %上升到2025年底的40 %。这一变化本身就解释了报告中费用增长的很大一部分。

AI如何推动更高价位的索赔重新分类

BCBSA识别出的核心驱动因素是约55 000份索赔被重新分类到更高付费类别。这些重新分类源于AI系统在患者记录中检测到的次要诊断。这些高价位的索赔约贡献了6.53亿美元，占总额的近三分之二，折算下来每增加一个复杂病例约增加11 000美元的成本。

报告中提到的AI工具主要分为两大类。其一是分析引擎，扫描现有的医疗记录以发现被忽视的诊断；其二是“环境速记员”，实时捕捉临床对话并自动生成结构化的临床笔记，从而提高次要病情被记录和计费的可能性。

编码强度与实际护理之间的差异

BCBSA指出，复杂编码的激增与相应治疗量之间存在脱节。例如，最高复杂度级别的重大肠道手术比例从10.2 %上升至22.7 %，但实际手术数量并未出现相应增长。

同样，诊断为贫血的患者接受输血的频率下降——在编码升级的医院中为16.9 %，而在未出现同样编码增长的医院中为19.3 %。这些观察表明，编码强度可能超出了实际护理强度。

医院的反驳

医院对AI编码导致成本膨胀、缺乏临床依据的解读提出异议。他们指出人口结构的变化——患者年龄更大、病情更重。美国医院协会（AHA）和Vizient的分析显示，2019至2024年间病例混合指数上升约5 %，表明病例复杂度确实在增加。

从医院角度看，AI工具只是将本已存在但未记录的病情呈现出来。医院声称，这项技术提升了诊断的完整性，而非人为制造计费机会。

BCBSA方法论的局限性

BCBSA报告的一个关键局限是仅依赖账单数据。分析未纳入病历审查或对AI标记的额外诊断进行直接临床验证。批评者认为，缺乏医疗记录核实，就无法判断这些次要诊断是实际病理还是技术驱动的上调编码。

由于研究缺乏患者层面的临床细节，报告中的9.42亿美元数字应被视为基于财务编码趋势的估算，而非对不必要支出的确定性衡量。

下游影响的不确定性

报告未估算这些新增成本将在保险费率、免赔额或公共卫生支出中的分配方式。因此，个人投保人和政府项目受到的财务冲击仍不明朗。

• AI分析引擎扫描现有记录以发现遗漏诊断
• 环境速记系统将口头交流转化为结构化临床笔记
• 约55 000份索赔重新分类至更高付费类别
• 两年内复杂病例比例从37 %升至40 %

BCBSA分析还指出，每增加一个复杂病例的1.1万美元增量成本是基于全部重新分类影响的平均值。该数字涵盖了广泛的诊断和手术，其中一些的报销率明显高于其他。

鉴于仅依赖账单数据，分析无法区分AI捕获的合法临床细微差别与潜在的系统性上调编码。这种不确定性凸显了开展补充临床审计以验证编码条件真实性的必要性。

对组织的实际意义在于，需要在AI编码带来的效率提升与严格治理框架之间取得平衡。医疗机构可能需要实施独立的验证流程，例如定期的病历审查，以确保AI识别的次要诊断与患者实际病情相符。

保险公司和付款方应关注复杂编码的异常增长，并评估相应的临床证据是否支持更高的报销。医院、AI供应商和付款方之间的透明报告机制有助于降低无意的成本膨胀风险。

最后，政策制定者可能需要审视现有的编码监督结构是否足以应对AI日益影响文档编制的环境。对审计流程进行调整或制定AI专用合规指南，可能成为保持计费系统完整性、同时发挥AI诊断完整性优势的必要步骤。