BCBS最新研究：醫院AI帳務編碼工具造成9.42億美元超額費用，門診外露風險逾16.7億——「AI編碼通膨」成2026年診所收費循環最大隱形炸彈
2026年9月24日，美國最大保險聯盟藍十字藍盾協會（BCBSA）發布了其第二波重磅研究報告，正式將「AI輔助帳務編碼工具推高醫療費用」的爭議從口頭指控推升至可量化的實證數據層次。這份由BCBSA旗下數據分析機構Blue Health Intelligence主導的研究，分析了涵蓋逾1億名保險受益人的商業理賠數據，聚焦於2023至2025年間住院帳務的編碼複雜度變化，結論令整個醫療收費循環產業震驚。
研究的核心發現是：隨著越來越多醫院導入AI編碼工具，「病患複雜度」的申報比例出現系統性攀升，但相對應的實際治療強度卻並未同步提升。以大腸手術（major bowel procedures）為例，2023年第一季至2025年第四季間，最複雜等級的理賠比例從20.2%攀升至22.7%，而非複雜等級則從36.6%跌落至32.8%，單這一項就帶來6,080萬美元的超額費用。若將此趨勢推算至全國規模，研究人員估計2024至2025年間，AI輔助編碼強度的提升共為BCBS系各公司增加了9.42億美元的住院費用，相較於2023年基準線形成顯著溢價。
更令門診經營者警惕的是，3月份BCBSA發布的前一份研究（聚焦於產科住院的急性失血後貧血編碼）已估算出住院端超額支出約6.63億美元、門診端則至少高達16.7億美元，兩份報告合計的全國潛在超額費用已逼近23億美元。BCBSA數據科學資深副總裁Luke Chalker直指：「如果病患真的更重症，我們應該看到更多治療介入，但數據顯示的是編碼在改變，治療沒有。」
值得注意的是，這場論戰並非單方面的。美國醫院協會（AHA）在8月份的聲明中反駁稱，編碼複雜度的提升也可能反映病患確實年齡增長、病情加重，以及醫院依照新版臨床指引更完整記錄既有疾病的結果——AHA指出，2019至2024年間醫院的病例嚴重度（case-mix severity）已整體上升約5%。然而，BCBSA的數據顯示，編碼加速的速度在採用AI工具的機構中明顯更集中，截至2026年底已有近半數美國醫院在帳務、編碼或理賠處理中導入AI工具，這一比例正持續快速擴張。Aetna首席醫療長Ben Kornitzer亦在一場播客訪談中坦言，AI在醫療業的早期數據顯示「整體上是通膨性的」——編碼強度提升，但臨床結果改善的強力證據尚未出現。
這場保險方與醫院方之間關於AI帳務編碼的正面對決，正快速演變為2026年收費循環領域最具爆炸性的結構性衝突，也預示著監管機構對AI輔助帳務的審查力道即將全面升級。
閱讀原文 →WCA Insight
這則新聞對台灣診所經營者的意義，遠比表面看起來更深遠。 台灣雖然採用健保單一付款人制度，不存在與美國相同的「AI編碼通膨」問題，但這份研究揭示了一個更根本的管理警示：當AI工具被導入診所帳務流程時，「工具是否真正提升了服務品質」與「工具是否只是在財務上做了最佳化」是兩個截然不同的問題，而且很容易被混淆。 對於正在評估或已導入AI病歷記錄、AI問診輔助、AI診斷建議等工具的診所院長，我有三個具體建議： 第一，建立「臨床-財務一致性追蹤」習慣。每季至少做一次抽樣，確認AI工具產生的診斷記錄有沒有對應到實際的後續治療安排。如果AI幫你記錄了更多共病，但回診率、處置率沒有相應變化，這是一個值得深入探討的訊號。 第二，在引進AI帳務工具前，先建立清楚的倫理邊界。AI輔助編碼的初衷是「減少漏記」，不是「最大化給付」。台灣健保的審查邏輯與美國商業保險不同，但核刪風險同樣存在。許多診所主因「異常帳單模式」被健保署抽審，AI工具若未設定適當護欄，反而可能加速這個風險。 第三，把這個議題當作與患者建立信任的機會。美國這場爭論的核心，是病患與家屬開始質疑帳單背後的「真實性」。台灣雖然自付額較低，但隨著自費醫療項目擴張，診所的財務透明度將越來越重要。主動向患者解釋AI工具如何協助記錄，而非讓患者自己猜測，是建立長期信任關係的低成本高報酬策略。 現在正是建立AI工具使用規範的最佳時機——在主管機關介入之前，先做好自我治理。