美国联邦医保AI决策争议：算法能否决定患者照护的伦理与监管边界

文/IAICA.NGO®

近年来，人工智能技术在美国联邦医疗保险（Medicare）体系中的应用迅速扩展，从理赔审核、风险分层到护理计划制定，算法工具正逐步渗透进患者照护的关键环节。然而，一个愈发尖锐的问题浮出水面：Medicare是否应当允许AI直接决定患者应获得何种护理？这一争议不仅关乎技术效率，更触及医疗公平、患者权益与算法问责的深层伦理边界。

Medicare Advantage计划——由商业保险公司运营的联邦医保替代方案——已成为算法决策争议的焦点。多家保险机构部署了基于机器学习的预测模型，用于评估患者出院后所需护理时长、居家健康服务强度，甚至判断某些治疗是否“医疗必要”。这些模型通常依据历史理赔数据、患者人口学特征和诊断代码，生成一个风险评分或护理时长建议，从而影响预授权和费用报销决定。支持者认为，此类工具有助于减少人为误判、加速审批流程，并降低不必要的医疗支出。根据行业估算，算法辅助审核可将部分预授权处理时间缩短数小时，并在海量索赔数据中识别异常模式。

然而，一系列患者权益受损的案例揭示了算法决策的潜在危害。部分患者报告称，在住院或术后恢复期尚未结束时，便收到保险公司通知，称依据“预测模型”不再批准进一步的护理服务。一些家庭被迫自付费用或提前将患者接回家中，导致病情反复甚至再入院。更有法律诉讼指出，某些算法工具系统性低估了患有复杂慢性病、认知障碍或社会支持薄弱的老年患者的照护需求，因为模型训练数据中这类群体的样本代表性不足，或理赔代码未能全面反映其真实功能状态。换言之，算法不仅可能复制历史数据中的偏见，还可能将商业保险控费逻辑固化为“客观中立”的技术判断，从而剥夺患者获得个体化评估的机会。

监管机构已开始作出回应。美国医疗保险和医疗补助服务中心（CMS）在近年发布的规则中明确要求，Medicare Advantage计划在使用算法或软件工具辅助作出医疗必要性决定时，必须确保最终决定基于患者个体临床情况，并由具备资质的医疗专业人员进行复核。单纯依赖算法输出、缺乏人工审查的做法被视为不合规。这一监管立场传递出清晰信号：AI可以作为效率工具，但不能替代临床判断的最终权威。与此同时，多个州层面也出现立法努力，要求保险公司披露算法原理、允许患者申诉，并对因算法导致的错误拒绝承担法律责任。

从技术层面看，当前多数应用于护理决策的算法属于“黑箱”模型，其内部逻辑难以向患者和临床医生解释。即便开发者提供特征重要性排名，也无法说明某个特定患者为何被判定为需要更少或更多的护理天数。这种不透明性加剧了医患之间的信息不对称，也使得患者难以有效行使上诉权利。此外，算法性能高度依赖训练数据的质量和时效性，一旦临床指南、药物方案或照护标准发生变化，模型如未及时更新，可能给出滞后甚至错误的建议。

伦理学家进一步指出，照护决策涉及高度的情境敏感性和价值判断。例如，一位独居老年患者即使生理指标稳定，也可能因缺乏家庭支持而需要更长的专业护理；一位认知障碍患者无法清晰表达疼痛，需要临床医生综合观察而非仅凭数据评分。AI在模式识别和大规模数据处理上具有优势，但在理解个体生活背景、情感需求与偏好方面存在根本局限。因此，将照护资源的分配权完全或主要交由算法，可能违背以患者为中心的医疗原则。

iaica.com.cn 指出，智能照护技术的健康发展必须建立在“人类监督优先”和“算法透明可问责”的基础之上。在医保支付场景中，AI更适合承担辅助决策、风险提示和流程优化功能，而非充当最终的守门人。唯有将算法置于严格的临床治理框架内，并保留充分的人工申诉与复核通道，才能在提升效率的同时护佑每一位患者的正当权益。

展望未来，随着生成式人工智能和大语言模型逐步进入临床文档、预授权和患者沟通等环节，监管与伦理框架需要同步演进。建立独立的算法审计机制、要求保险机构公开模型性能指标、引入患者代表参与治理，将是避免技术滥用、维护医疗公平的关键举措。Medicare体系的选择，或将成为全球公共医疗保险与AI融合路径的重要参照。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。