藍十字分析指出 AI 輔助醫院編碼在 2024‑2025 年增加 9.42 億美元成本

藍十字藍盾協會（BCBSA）公布了一項分析，量化了醫院使用人工智慧（AI）編碼工具所產生的財務影響。根據報告，與 2023 年基準相比，AI 輔助編碼系統在 2024‑2025 年期間估計產生了 9.42 億美元的額外支出。

此分析透過比較被歸類為「複雜」的住院比例來衡量成本增長。在 BCBSA 成員計畫中，複雜住院的比例從 2023 年初的 37% 上升至 2025 年底的 40%。僅此變動即占報告中費用增幅的相當大部分。

AI 如何推動更高價的索賠重新分類

BCBSA 確認的核心推手是大約 55,000 件索賠被重新分類至較高付費類別。這些重新分類源於 AI 系統在病歷中偵測到的次要診斷。較高價的索賠貢獻了約 6.53 億美元，換算下來每個額外的複雜病例大約增加 11,000 美元成本。

報告中提到的 AI 工具分為兩大類。第一類為分析引擎，掃描既有醫療記錄以發掘被忽略的診斷；第二類為「環境速記」系統，捕捉臨床對話並自動生成結構化臨床筆記，提升次要病況的記錄與計費機會。

編碼強度與實際照護之間的差異

BCBSA 強調，複雜編碼的激增與相應治療量之間存在脫節。例如，最高複雜度的腸道手術比例從 10.2% 增至 22.7%，但此類手術的實際執行量並未同步上升。

同樣地，診斷為貧血的患者接受輸血的頻率較低——僅 16.9%，而未出現相同編碼升高的醫院則為 19.3%。這些觀察表明，編碼強度可能超過了實際照護強度。

醫院的反駁

醫院對 AI 編碼導致成本膨脹且缺乏臨床正當性的解讀提出異議。他們指出人口結構變化，患者年齡更高且病情更重。美國醫院協會與 Vizient 的分析顯示，2019 至 2024 年間病例混合指數約上升 5%，顯示病例複雜度的真實增長。

從醫院角度看，AI 工具僅是將本已存在但未被記錄的病況顯示出來。醫院主張，此技術提升了診斷完整性，而非人工製造計費機會。

BCBSA 方法學的限制

BCBSA 報告的一大限制在於僅依賴帳單資料。分析未納入病歷審查或對 AI 標記的次要診斷進行直接臨床驗證。批評者認為，缺乏醫療記錄的核實，無法判斷這些次要診斷是實際病理還是技術驅動的上調編碼。

由於研究缺乏患者層面的臨床細節，報告中的 9.42 億美元數字應被視為基於財務編碼趨勢的估算，而非不必要支出的確切量化。

下游影響的不確定性

報告未估算新增成本將如何在保險保費、免賠額或公共衛生支出間分配。因此，對個別投保人與政府計畫的財務衝擊仍不明朗。

• AI 分析引擎掃描既有記錄以找出遺漏診斷
• 環境速記系統從口語交流生成臨床筆記
• 約 55,000 件索賠重新分類至較高付費類別
• 兩年內複雜病例比例從 37% 上升至 40%

BCBSA 分析亦指出，每增加一個複雜病例所產生的 11,000 美元增量成本是根據全部重新分類影響的平均值。此數字涵蓋了各種診斷與手術，其中部分的報銷率遠高於其他項目。

鑑於僅依賴帳單資料，分析無法區分 AI 捕捉的正當臨床細節與可能的系統性上調編碼。此不確定性凸顯需要補充臨床稽核，以驗證編碼條件的真實性。

對組織的實務意涵包括必須在 AI 編碼效率提升與嚴謹治理框架之間取得平衡。醫療提供者可能需要實施獨立驗證流程，例如定期的病歷審查，以確保 AI 識別的次要診斷與患者實際狀況相符。

保險公司與付款方則應關注複雜編碼的突發增長，並評估相應的臨床證據是否支持提升的報銷。醫院、AI 供應商與付款方之間的透明報告機制，可協助降低意外成本膨脹的風險。

最後，政策制定者可能需要檢視現行的編碼監督結構是否足以因應 AI 越來越多介入文件化的環境。調整稽核流程或制定 AI 專屬的合規指引，或成為確保計費系統完整性同時發揮 AI 診斷完整性承諾的必要措施。