AI帮医院多收了9亿多美元 病却没多治一个

寂静回声

9 月 24 日，美国蓝十字蓝盾协会发了份白皮书，结论很直白：2024 到 2025 年，医院用上 AI 编码工具之后，从蓝十字蓝盾手里多收了 9.42 亿美元。其中 6.53 亿是这么来的，AI 从病历里翻出一大堆 "合并诊断"，把住院病人的账单归进了更复杂、更贵的那档。最关键的一句话：这些多出来的诊断，对应的治疗一项都没多做。
美国看病住院，每一个诊断、每一个操作都要翻译成一串标准数字代码，然后拿这些代码跟保险公司结账。这个把病历翻译成代码的过程，就叫 medical coding。你怎么写、写几条，直接决定医院能从保险公司拿回多少钱。
住院报销走的是一套叫 DRG 的体系，主诊断决定了基础价钱，但如果病历里多写了几条合并症，比如肠梗阻、酸中毒、贫血，这个病例就被认为更 "复杂"，报销档次就往上升一档。以前这些合并症得靠专门的编码员一条一条从病历里翻，现在超过 63% 的医院上了 AI 工具，AI 自动扫描电子病历、化验单，甚至直接录医生跟病人的对话，然后建议编码员把更多诊断码写进账单。

从 2023 年初到 2025 年底，被归为 "医学复杂病例" 的住院占比从 37% 涨到了 40%。编码强度提升的七成，来自 55000 多个新增病例，都是被 secondary diagnoses 推进了更贵的 DRG 档。拿大肠手术举例，最高复杂度那档的病例占比从 10.2% 一下跳到 22.7%，不复杂的那档反而从 36.6% 降到 32.8%。光这一个手术类别，就多掏了大约 6100 万美元。
但保险公司真正在意的不是钱涨了，钱涨了可能是病人确实更重了。真正的发现是：病历写得越来越复杂，实际治疗却没跟上。
编码最 "猛" 的那批医院，ICU 使用率、输血率、再手术率、住院天数，跟其他医院比差不多甚至更低。
他们拿术后出血性贫血专门验了一下：写贫血诊断最多的医院（诊断率 13.7%，其他医院 9.9%），结果这些被诊断为贫血的病人，输血率反而更低，16.9% 对 19.3%。蓝十字蓝盾的高级副总裁 Luke Chalker 在发布会上说得很直接："编码确实变了，我们看到了，其他保险公司也看到了，但我们没找到治疗上有任何对应的变化。" 临床事务副总裁 Razia Hashmi 补了一句："两家条件差不多、收的病人也差不多的医院，为什么编码差这么多？可能有一部分是真该写没写，但在我看来，更可能是技术加持下的向上编码。"

2025 年 12 月，约翰霍普金斯大学、哈佛医学院几个学者在 npj Digital Medicine 上发了篇政策简报，标题就叫 "环境 AI 听写工具和编码军备竞赛"。弗吉尼亚州 Riverside Health 用了 Abridge 之后，医生的工作量价值单位涨了 11%，每次就诊记录的慢性病诊断数多了 14%。Texas Oncology 的数据更直接，上了 ambient scribe 之后，每次就诊写的诊断从 3.0 个涨到 4.1 个。西北医学的医生用微软 Nuance DAX 之后，开高级别门诊账单的比例也上去了。
2026 年 1 月 JAMA Network Open 上有个研究，跟踪了近 120 万次门诊、1565 个医生。用 AI 听写的医生每周多产出 1.81 个工作量单位，折下来每年每人多挣约 3044 美元。而 AI scribe 的月费是 200 到 600 美元，算笔账，医院怎么都不亏。2026 年 4 月 JAMA 另一篇研究覆盖了五大医学中心 8581 个门诊医生，AI scribe 让医生花在电子病历上的时间少了 13.4 分钟，写文档少了 16 分钟，每周多看 0.49 个病人。

AI 一边帮医生省时间，一边系统性地把诊断写多、把账单写贵。npj 那篇文章说得准，环境 AI"比以往任何文档工具都更彻底地把临床和编码之间的距离压缩没了"。AI 翻出来的这些合并症是真的吗？大概率是真的。忙不过来的医生确实会漏写一些长期慢性病，糖尿病、高血压、慢性肾病，这些要么没写进病历，要么写了但没用最细的代码。AI 把它们捞出来，从病历完整性角度说是好事。
而且从医院和患者角度讲，美国医疗系统长期存在少编码的问题，医院收了真复杂的病人、花了真金白银的资源，但病历写得粗，按低复杂度档结账。
AI 纠正了这个偏差，医院为实际付出的护理拿到了更公道的钱。对病人也有好处，诊断写全了，后面转诊、保险报销、慢病管理才有准数。
一个有慢性肾病但从没被写进病历的人，他的保险可能压根没覆盖过相关管理服务。
npj 那篇文章也承认，文档不全是普遍现象，AI 抓到的很多诊断临床上是真实的，只是以前被漏掉了。

但争议在于：诊断是真的，跟这个诊断该不该让保险公司多掏钱，是两码事。
一个病人做大手术，AI 从化验单里翻出一条代谢性酸中毒。这个酸中毒可能就是术后一过性的，根本不需要额外处理，但它把整个 DRG 推高了一档，报销多了上万美元。蓝十字蓝盾管这个叫 "临床脱节"，病历写的和实际治的对不上。AI 的本事是把所有能编码的信息全扫出来，但它分不清哪些合并症真需要干预、哪些只是存在但不影响治疗决策。在现行 DRG 规则下，这两种情况编码价值一样。

2025 年 10 月起，Cigna 自动把很多门诊高级别账单降一级，除非病历能清楚支撑这个复杂度。Aetna Better Health 也在做类似审查。npj 文章管这叫 "支付方反制"，保险公司用自己的 AI 往下压编码。Medicare Advantage 那边情况更绕。MA 不是按项目付钱，是按人头、按风险评分付钱，AI 多抓一条慢性病诊断，风险评分就高一块，保险公司从联邦 CMS 手里就多拿一份钱。CMS 已经在对 MA 做编码强度校正，如果 AI 继续猛抓诊断，这个校正力度只会越来越大。

短期看，早上 AI 编码工具的医院和 MA 计划确实吃到一波红利。但长期呢？保险公司往下压，CMS 收紧风险评分公式，整个行业的报销基线被拉低。那些没上 AI 的小医院和给穷人看病的安全网诊所，上升期的红利没赶上，下调后的基线却得照单全收。npj 那篇文章原话是："如果收入优化成了环境 AI 的主要用途，我们可能会重蹈一个熟悉的循环，一场军备竞赛，最后就是行政摩擦更多、保险公司反弹更狠，临床端啥改善没有。"

Doximity 2025 年推出了免费 AI scribe，信号很清楚：基础听写转录已经不赚钱了。各家 AI scribe 厂商的卖点不再是 "帮你写病历"，而是 "写完病历之后帮你把编码做漂亮"。Ambience Healthcare 2025 年 7 月融资新闻稿里，自我定位从 "减轻医生负担" 变成了 "驱动收入周期表现"。这个措辞转弯说明白了行业走向，AI scribe 的卖点从减负变成了增收。
JAMA Network Open 那个研究说 AI scribe 每年给医生多带约 3044 美元收入，订阅费每月 200 到 600 美元。大医疗系统铺开用，能打平甚至赚。但等保险公司的下压编码工具追上来、CMS 改了风险评分公式，这个差价就缩水了。最后谁掏钱？商业保险市场，雇主和员工用更高的保费买单；MA 市场，纳税人买单；按项目付费市场，医院暂时赚，但合同续约时保险公司会把费率压回来对冲。

AI 在医疗编码上的应用暴露了一个更深的系统问题：美国这套报销体系的设计前提是，一个医生能写出多少诊断，跟这个病人实际有多复杂，是正相关的。过去这个假设大体成立，医生脑子里记多少合并症，跟病人真实病情之间有个粗糙的对应。AI 把这个对应打破了。它让编码能力无限逼近 "把所有能写的诊断全写出来"，但病人的临床复杂度并没有因此改变。