一句话看懂：普华永道最新报告指出，AI 在医疗领域的早期应用不仅没有降低成本，反而通过优化编码和诊断记录，推高了医疗账单。这一发现挑战了“AI 必然降本增效”的普遍预期，揭示了技术落地过程中的利益错位。
事件核心：发生了什么
普华永道（PwC）发布了一份 60 页的报告，指出 AI 是推动 2027 年医疗成本上涨 9% 的五大潜在因素之一，这一涨幅将追平 2026 年的水平，后者是 2010-2011 年以来的最高点。报告分析认为，AI 笔记工具能记录比人类医生更详尽的诊断细节和并发症信息。在医疗账单系统中，这些“额外信息”可以用来申请更高等级的“编码”——即标准化计费标签，用于告知保险公司支付金额。即便患者实际接受的医疗护理与以往相同，详细的 AI 记录也能为更高的收费提供依据。一份蓝十字蓝盾（Blue Cross Blue Shield）的分析显示，2022 年至 2025 年间，部分医院产后急性失血性贫血的账单编码在产科入院案例中从 4% 跃升至 12.3%。然而，作为该病症常规治疗手段的输血量几乎没有变化。对编码增幅最大的医院系统进行审计后发现，仅有不到 20% 的病例真正符合临床诊断标准。该报告作者向 Healthcare Dive 表示，AI 是报告中最新的“压力因素”，但并非成本上涨的主要推手，传统的人工和供应链成本仍占更高比例。
为什么重要
这一发现打破了“AI = 降本增效”的简单叙事。在医疗这一高度复杂且监管严格的行业中，AI 首先被用来优化的是“收入提升”，而非“成本控制”。这表明，技术工具的应用效果高度依赖于部署者的激励机制。当医院面临盈利压力时，自动化的 AI 系统可以迅速成为提升编码强度的工具，而非效率工具。这种现象对医疗 AI 赛道的商业模式提出了反思：如果技术收益首先体现在推高费用上，那么开发者和医院在产品设计时，是否应当引入更严格的反欺诈或临床验证机制？同时，该案例也为大模型在垂直行业的“落地”提供了一个警示：模型的推理能力越强、对细节的捕捉越准，它在错误方向上的“优化”威力也越大。
对用户/开发者/创作者的影响
普通用户：需留意医疗账单的详细项目，尤其是当 AI 自动生成的诊断记录与自身实际症状不符时，应主动要求医院提供临床依据。个人健康数据在 AI 系统中的记录可能直接影响保险费用和自付金额。
开发者/创业者：在开发医疗 AI 工具（如智能病历、辅助诊断 API）时，不能仅关注功能效率，应将“编码合理性核查”纳入产品逻辑，例如增加临床标准匹配模块，或提供基于证据的收费级别建议，避免系统被滥用为“涨价工具”。
内容创作者/分析师：该事件为讨论“AI 监管”和“技术伦理”提供了具体素材，适合深入拆解 AI 在特定行业的“激励错配”问题，而非空谈宏观风险。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，保险公司是否会针对 AI 生成的“高额编码”出台新的审查规则或计算模型，以控制医疗保险支出。第二，FDA 及其他监管机构是否会对辅助编码类 AI 工具增加合规要求，如要求其回传临床判定逻辑。第三，开源或闭源的医疗大模型（如基于 GPT 或本地部署的模型）是否会推出“费用合理性评估”功能，作为绕过医院利益动机的独立第三方工具。
