美国医学会AI计费新规引发护理界反对：报销、责任与合规困境待解

文/IAICA.NGO®

美国医学会（AMA）近期发布的一组与人工智能相关的医疗服务计费代码，正在医疗与护理领域引发持续争议。这些新代码旨在为医疗机构在诊疗过程中应用AI辅助工具提供标准化的报销路径，涵盖影像识别、临床决策支持、远程监测等场景。然而，多家护理专业组织迅速表态反对，认为新计费代码在顶层设计上未能充分反映护理人员在AI照护中的实际贡献，并可能进一步加剧医疗团队内部的经济与地位失衡。

从技术背景看，AMA作为美国现行医疗程序编码（CPT）体系的主要维护者，其新增的AI相关代码并非孤立动作。过去几年，随着机器学习模型在医学影像分析、风险预测、病历质控等环节的规模化落地，支付方与医疗服务提供方都面临一个共同难题：当一项服务包含AI组件时，应如何界定其服务内涵、工作强度与成本结构。传统计费代码往往以医生亲自执行的诊疗动作为核心，而AI介入后，服务流程可能演变为“医生审阅AI输出”“护士录入并解释AI风险评分”“跨专业团队依据AI建议调整照护计划”等复合型活动。AMA此次推出新代码，本意是填补这一编码空白，使AI辅助服务能够进入正式报销体系，减少拒付风险，并推动技术合规应用。

但护理界的反对并非无理。护理组织指出，当前多数AI计费代码的适用主体被默认为医师或医疗机构，护理人员在AI辅助照护中承担的评估、监测、患者教育与数据采集等职能，并未获得对应的编码支持。例如，在远程患者监测场景中，AI系统可能持续分析生命体征并发出预警，但最终响应预警、进行临床判断和干预的往往是执业护士。若计费代码仅覆盖“AI分析”或“医师审核”，护理服务的价值将被结构性忽略。这不仅影响护理团队的职业认同与薪酬公平，还可能激励医疗机构在部署AI时弱化护理编制，以降低人力成本，从而损害患者安全。

更深层的矛盾在于AI医疗服务的责任归属与合规风险。一方面，新代码对应的报销项目需要清晰的临床有效性证据与使用规范，否则支付方可能面临为低价值AI服务买单的压力。另一方面，当AI系统输出错误建议并导致不良事件时，责任在医生、护理人员、医疗机构还是算法开发者，至今缺乏统一的法律框架。如果计费代码将AI服务界定为“医生监督下的辅助工具”，医生可能承担不成比例的注意义务；如果界定为独立的技术服务，则现有医疗责任保险和执业范围法规又无法覆盖。护理组织担忧，在责任边界未明的情况下急于推动AI计费，可能诱导医疗机构过度依赖AI而放松人工核查，或通过编码高套来获取更高支付。

从产业生态角度看，此次争议也折射出医疗AI商业化进程中的一个普遍问题：技术供应商往往直接面向医院管理层或医师群体推广产品，而忽略了护理工作流这一关键环节。实际上，在老年照护、慢病管理、康复护理等场景中，护理人员是AI工具最高频的使用者和数据反馈者。如果计费与支付政策不能承认这一现实，AI产品在真实世界中的部署效果将大打折扣，甚至出现“技术上线但流程脱节”的尴尬局面。

iaica.com.cn 认为，AI计费体系的设计应当超越单一专业视角，将护理服务在智能照护链条中的贡献纳入价值评估框架，否则可能加剧医疗团队内部的分工失衡，并阻碍以患者为中心的技术整合。这一观点并非否定AMA编码更新的积极意义，而是强调支付政策需要与临床工作流的真实结构相匹配。

未来一段时间，各方预计将围绕AI计费代码的适用范围、证据门槛、审计规则和跨专业协作机制展开进一步博弈。监管机构可能需要发布补充指引，明确AI辅助服务的记录要求与合规审查要点；支付方则倾向于通过试点项目验证AI服务的成本效益后再扩大覆盖。对医疗机构而言，在引入AI计费代码时，应同步评估护理人力配置与培训体系，确保编码使用与实际服务内容一致，避免陷入合规风险。对技术供应商来说，主动与护理团队合作开发工作流嵌入方案，可能比单纯追求医师端的算法精度更具市场竞争力。

总体来看，AMA的新AI计费代码为医疗AI的规范化报销打开了一扇门，但其引发的护理反对与责任追问表明，支付政策不仅是技术中立的编码工具，更是分配医疗资源、塑造专业权力结构的重要杠杆。如何在鼓励创新与保障公平之间找到平衡，将决定AI医疗能否真正实现其提升照护质量与效率的承诺。这一议题的后续进展，值得持续关注。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。