环境监听技术正推动医疗编码强度上升，引发人们对医疗成本和报销的实质性质疑。
AI记录员正帮助医生减少文书工作时间，将更多精力放在患者身上。但两项最新研究表明，使用这些工具的医院出现了未曾预料的副作用：计费代码逐渐上升，这意味着保险公司和患者将面临更高成本。这未必是欺诈行为，但确实是一个值得关注的问题。
关键要点
AI医疗记录员加快了文档处理速度，缓解了临床医生的职业倦怠，但2026年的两项研究发现，它们也在推高编码强度。一项研究指出孕产索赔支出额外增加了约2200万美元，另一项则预测行业整体可能增加高达23亿美元的医疗成本。研究人员认为这并非欺诈行为；AI生成的更完整记录自然支持更高级别编码，而过去匆忙的手工记录往往遗漏细节。尽管如此，保险公司正密切关注突然的编码跳跃和不匹配的诊断，因此使用AI记录员的医疗机构应加强内部编码审核，并确保临床医生在最终确定前审查每份记录。
承诺本应简单明了
医生被文书工作淹没。任何曾在检查室中目睹医生打字记录而非与患者眼神交流的人都知道临床文档记录变得多么干扰诊疗。AI记录员使用环境监听技术自动记录和转录患者就诊过程，本应解决这一问题。在许多方面，它们确实做到了这一点。
这项技术让医生能够专注于眼前的患者，而非键盘。研究数据支持了这一点。一项对The Permanent Medical Group使用AI记录员的分析发现，在一年内使用250万次后，该技术节省了15,000小时的文档处理时间。这绝非小数目。对于一个正与普遍职业倦怠作斗争的职业来说，这类工具如同救命稻草。
但2026年初发布的两项研究提出了一个更难回答的问题：当AI记录员比人类更彻底地记录诊疗过程时，会发生什么？
研究的实际发现
两项相隔仅数周发布的独立分析都指向同一趋势：采用AI记录工具的医院编码强度正在上升。
Blue Cross Blue Shield Association (BCBSA)与其数据分析合作伙伴Blue Health Intelligence合作，分析了全国数万例孕产病例的匿名索赔数据。他们的发现令人震惊：被编码为急性产后贫血（一种通常需要输血的严重状况）的病例显著增加。相当一部分被编码为此诊断的患者实际上并未接受输血或任何预期的相关治疗。
编码与实际治疗之间的这种差距在2023年至2024年间转化为约2200万美元的额外支出。
第二项研究来自医疗市场情报公司Trilliant Health，研究范围更为广泛。研究人员检查了2018年至2024年间六家大型医院系统的全国全支付方索赔数据，这些系统均已公开宣布采用AI记录技术。他们发现，新患者和已有患者的就诊评估与管理(E/M)计费代码均一致向上移动，特别是向最高等级的高强度代码倾斜。在一家医疗系统中，新患者高強度就诊的编码比例攀升至80%。
那么，这是欺诈吗？并非如此
问题变得有趣，也有些复杂。
Blue Health Intelligence首席产品官Luke Chalker描述了他的团队最初如何发现异常。设施间的编码趋势差异无法用通常的原因解释，如护理环境类型或区域性公共卫生问题。这些变化过于剧烈、突然。正如他告诉TechTarget's Revenue Cycle Management的那样，他称之为某些设施的"大规模阶跃式增长"。
AI记录员与这种现象关联的合理性在于时间点。实际提供的护理方式并没有重大变化。但环境AI工具的采用呈现出明确的平行趋势，其中许多工具也被营销为收入周期优化平台。
Trilliant Health首席研究官Allison Oakes提出了对这一情况最诚实的解释框架。正如Oakes告诉TechTarget's Revenue Cycle Management的那样，考虑到这些工具的功能，这种转变是合理的：
"这些启用AI的记录工具使临床文档能够被更全面、准确地捕获。"正如她所说，"这有点像一把双刃剑。"
她的观点很有见地。最可能的解释并非医院故意操纵系统。而是医疗服务提供者历史上一直对就诊进行低编码，部分原因是记录不完整，部分是出于对《虚假申报法》(False Claims Act)的谨慎，部分是因为旧的文档流程本身就遗漏了信息。AI记录员不会遗漏信息。它们捕获就诊的全部时长、提及的每个诊断、讨论的每个临床细节。当所有这些信息输入计费系统时，产生的编码将更加高级。
以下为研究人员认为AI记录员下编码强度上升的主要原因：
- AI工具比手工文档捕获更多临床细节，包括可能以前被遗漏的诊断。
- 环境监听技术精确追踪就诊实际时长，直接影响E/M代码选择。
- AI记录员设计为准确遵循计费规则，这可能自然推动代码向更高级别倾斜。
- 过去因谨慎或习惯而低编码的医疗服务提供者现在看到的是没有缺口的完整文档。
处于中间的患者
故事在此不再只是计费问题，而变成了患者问题。
当编码强度上升时，报销金额也会上升。而当报销金额上升时，保险公司将面临更高成本。这些成本不会停留在保险公司。它们会以更高保费和更高自付账单的形式转嫁给会员，特别是那些拥有高免赔额健康计划的人。
Blue Health Intelligence估计，AI工具支持的更积极编码实践可能导致约23亿美元的额外医疗支出。其中约6.63亿美元来自住院方面，至少16.7亿美元来自门诊环境。
患者并没有获得更多的护理。他们并没有获得更好的护理。他们获得的是对自己已接受护理的更详细记录，而这一记录正在生成更大的账单。
在阿肯色大学医学科学学院工作的妇产科教授Luann Racher博士在她的实践中使用环境监听技术，她明确表示上调编码并非其意图。正如Racher告诉TechTarget's Revenue Cycle Management的那样，该工具背后的意图从来不是为了夸大账单：
"使用这种生成式AI工具的目标从来不是上调编码，从来不是过度收费。"她说，文档的目的是准确和精确，"然后这会转化为如何对账单进行编码。"
她提出了一个重要观点：她所在机构的临床医生在记录提交给计费团队前仍会审查AI生成的记录。该技术并非在无人类审查的情况下自主提交代码。
然而，良好的意图并不改变结果。如果文档更完整，计费代码反映这种完整性，资金就会随之而来。
保险公司关注的要点
保险公司正在密切关注，他们的担忧很具体。问题不仅仅是成本在上升。而是成本在上升，却没有相应改变所提供的护理质量和数量。
正如Chalker告诉TechTarget's Revenue Cycle Management的那样，保险公司关注的核心问题只有一个：技术是否真的改变了护理，而不仅仅是账单。
"当技术明显在做某事来提高报销，但没有明确路径表明该技术在做任何事情来改变护理时，这就会成为保险公司的问题，"他说。
这是一个合理的标准。如果AI记录员改善了治疗结果、加速诊断或发现了原本可能被遗漏的临床问题，那么更高的计费代码可能是合理的。但到目前为止，数据并未明确支持这种联系。
以下为保险公司积极监控的四个方面：
- 采用AI后设施中高强度E/M代码的阶跃式增加。
- 出现在记录中但没有相应治疗或随访的诊断代码。
- 无法与患者人群差异相关的设施间编码差异。
- 捆绑在AI记录平台中的收入周期优化功能，这些功能可能旨在最大化代码捕获。
规则尚未跟上时代
笼罩这一切的最大问题是当前的计费代码框架是否仍然是合适的工具。
当E/M编码指南制定时，它们建立在文档记录不完美且人为的假设基础上。一位在繁忙诊所日结束时试图凭记忆写笔记的医生会遗漏一些内容。这些代码是根据这种现实校准的。
AI记录员以完全不同的模式运行。它们在房间内。它们听到一切。它们记录一切。由此产生的文档反映了一种旧编码规则从未设计处理的细节水平。
正如Oakes告诉TechTarget's Revenue Cycle Management的那样，她直接提出了这个问题：
"随着AI改变我们的文档实践，这是否意味着我们可能需要重新考虑用于确定计费代码的规则？"
这是一个合理的挑战，也是CMS、保险公司和专业医学协会最终必须面对的问题。但政策变化进展缓慢，与此同时，计费模式已经在转变。
这对收入周期团队意味着什么
如果您在医疗系统的计费部门工作或与收入周期管理合作伙伴合作，这种情况会带来一些实际挑战。
AI记录员提供的更详细文档意味着更多数据流入编码过程。这在许多方面确实很有用。它减少了与缺失临床信息相关的拒付，并支持更强的医疗必要性论证。但它也意味着您的团队需要密切关注编码准确性和内部审计，而不仅仅是数量。
保险公司将会反击。预计对高强度E/M代码的审查将增加，特别是在门诊环境中。当代码跳至最高级别时，预计将有更多的预先授权要求和更多的临床文档请求。拥有健全的内部控制和了解如何回应这些查询的计费团队将变得更加重要。
AI记录员常见问题解答
医疗机构是否应因这个问题停止使用AI记录员？
这几乎肯定不是正确的结论。AI记录员的文档和减轻职业倦怠的好处是真实且有据可查的。更好的应对方法是确保有内部审查流程，使AI生成的记录在驱动计费决策前由临床医生检查。
AI记录员与AI编码工具是否相同？
不完全相同，尽管它们有重叠。AI记录员专注于在患者就诊期间捕获和生成临床记录。一些平台随后使用这些文档来建议计费代码，这就是收入周期优化的部分。其他平台则将记录输入到单独的编码工作流程中。具体设置因供应商而异。
医疗机构现在可以采取哪些措施来管理这一风险？
一些实用步骤包括：定期进行内部审计，比较实施AI记录员前后的编码强度；确保临床医生确实在审查AI记录，而非盲目批准；与计费和编码团队或收入周期合作伙伴保持密切联系，了解支付方行为的任何异常变化。
CMS是否会更改E/M编码规则以适应AI文档？
目前还没有，但对话已经开始。研究人员呼吁重新审视当前计费代码框架是否适合AI生成的文档。任何监管变更都需要时间，但这是行业需要回答的问题。
这如何影响支付方合同？
支付方合同通常包含有关编码准确性和审计权利的条款。随着AI记录员采用的普及，预计支付方将更仔细地审查这些条款。拥有强大支付方合同支持的医疗机构将处于更有利的位置，能够协商公平的条款，并在支付方发起编码审计时有效应对。
使用AI记录员是否会自动增加计费代码？
并非自动增加。AI记录员捕获更完整的文档，当临床情况支持时，可能导致更高级别的代码。代码仍然基于记录的信息选择，但AI工具往往比手工记录捕获更多这些信息。
AI记录员导致更高计费代码是否违法？
不一定。如果文档准确反映了所提供的护理，更高级别的代码是合法的。当为没有临床支持的诊断或服务分配代码时，问题就会出现，无论使用何种工具生成记录。
什么是评估与管理(E/M)编码？
E/M编码是用于计费患者就诊的系统，从常规检查到高危就诊。代码范围从低强度（新患者CPT 99202-99203，已有患者99212-99213）到高强度（新患者99205，已有患者99215）。更高级别的代码意味着更高的报销。
支付方如何应对AI驱动的编码变化？
像Blue Cross Blue Shield这样的支付方已经在分析索赔数据，以发现异常的编码模式。预计许多支付方将通过更严格的审计标准、更频繁的文档请求以及可能与AI生成文档相关的新合同条款来回应。
总结：AI记录员如何改变医疗计费
AI记录员确实很有价值。让医生重获时间、减轻职业倦怠和提高临床文档质量，对于处于严重压力下的医疗系统来说都是有意义的胜利。这些都不应被低估。
但计费的连锁效应是真实的。当文档变得更加详尽，编码变得更加密集，而当编码变得更加密集时，成本就会上升。这种因果链不需要任何人恶意行事。它只需要一个激励结构尚未更新以匹配当前使用工具能力的系统。
这方面的研究仍处于早期阶段。BCBSA和Trilliant Health的分析都是同类中的首批，随着AI记录员采用继续扩大，将会有更多数据出现。但方向已经足够清晰，医疗机构、保险公司和收入周期团队现在就需要关注。
来源：
- Blue Cross Blue Shield Association / Blue Health Intelligence分析（2026年3月）
- Trilliant Health门诊编码强度研究（2026年3月）
- Jacqueline LaPointe，《AI记录员如何改变编码强度与报销》，TechTarget收入周期管理（2026年3月17日）
- 美国医学协会AI记录员生产力数据
- The Permanent Medical Group AI记录员时间节省研究
亚历克斯·J·刘是Medwave联合创始人兼首席运营官，拥有超过30年医疗收入周期管理、支付方合同和医疗资格认证的实践经验。
【全文结束】