特朗普政府用AI审查老年人医保，被批灾难性实验

编者按：当算法开始决定一位老人能否继续接受治疗，技术中立的神话便不攻自破。本文关注的不是某一次理赔纠纷，而是一整套正在被自动化重塑的医疗保障逻辑。

一场被称作“灾难性实验”的政策

据Ars Technica记者Beth Mole报道，特朗普政府正把人工智能系统大规模引入面向老年人的医疗保险理赔审批流程。批评者将这一举措形容为一场“灾难性实验”——被实验的对象不是自愿参与者，而是数以百万计依赖联邦医保的老年患者。

报道的核心判断相当尖锐：部署这些AI工具的供应商并非中立的技术服务商，而是按节省开支或拒赔比例获得报酬的承包商。换言之，算法越“吝啬”，供应商赚得越多。

推出AI的供应商拥有“尽可能多地拒绝理赔的激励”。

算法如何学会拒赔

在美国医保体系中，私人保险公司承保的Medicare Advantage计划长期依赖“预先授权”（prior authorization）机制：患者接受某些治疗或用药前，必须先获得保险公司批准。这一机制的本意是控制不必要的支出，但在实践中常常演变为拖延与拒赔的工具。

AI的介入让这一过程彻底提速。机器学习模型在数以亿计的历史理赔数据上训练，目标函数往往直接指向“降低赔付支出”。模型并不理解病历背后的临床现实，它学到的是统计相关性：哪些诊断代码、哪些医疗机构、哪类患者群体的申请更容易被驳回而不会引发申诉。结果是，慢性病患者、罕见病患者和需要长期照护的老年人首当其冲。

这类争议并非首次出现。此前针对联合健康集团（UnitedHealth）旗下nH Predict算法的诉讼曾指控，该模型在预测长期护理需求时存在高达90%的错误率，却被系统性地用于切断患者的术后照护。美国参议院相关小组委员会的调查也指出，部分保险公司的拒赔率在算法上线后显著上升。如今，类似的工具正被更广泛地部署到联邦医保的审批环节。

供应商的激励结构才是关键

问题并不在于AI“有偏见”这一抽象说法，而在于激励结构。当承包商的报酬与拒赔数量挂钩时，自动化只是把这种激励放大：人工审核员可能因为同情或专业判断而放行某些申请，算法不会。它可以以毫秒级速度处理海量申请，且几乎不需要说明理由。

“有激励尽可能多地拒绝理赔”——这句话解释了为什么自动化在医保领域格外危险。

更值得警惕的是责任链条的模糊。算法由供应商开发，审批由保险公司执行，监管由联邦机构负责，一旦出错，患者面对的往往是三方互相推诿的“黑箱”。

老年人的代价

对老年人而言，一次错误的拒赔可能意味着中断癌症治疗、停止胰岛素注射，或失去居家护理。申诉渠道虽然在名义上存在，但流程漫长、文书复杂，许多高龄患者根本无力应对。当拒赔以自动化方式批量出现时，个体几乎不可能逐一挑战。

监管滞后与制度空白

美国医疗保险和医疗补助服务中心（CMS）近年来试图加强预先授权的透明度，要求保险公司公开拒赔数据并加快审批速度。但这些规则主要针对人工流程，对AI辅助决策的可解释性、审计机制和责任归属几乎空白。谁该为算法的错误负责？承包商、保险公司，还是政府？目前没有明确答案。

结语

技术本身并非问题所在。问题在于，当效率被奉为唯一标准，当省下的每一美元都被计入绩效，算法就成了削减成本的完美借口。把老年人的医疗保障交给一套以拒赔为优化目标的系统，无论包装得多先进，本质上都是一场拿人命做变量的实验。

本文编译自Ars Technica