2026 年 7 月 27 日
可及性,而不只是质量:2026 年各州关于事先授权中 AI 的法律,真正在治理什么
2026 年以来,美国一批州相继立法,规定医疗保险公司在事先授权和理赔决定中可以怎样使用 AI。阿拉巴马州、印第安纳州、犹他州、华盛顿州、马里兰州和佐治亚州走的路线不尽相同,但都汇聚到同一条规则上:AI 可以辅助并简化保险业务流程,但保险公司不能把它当作拒绝医疗的唯一依据,不利决定必须由持牌专业人员作出。有几个州走得更远,把这种监督变成了必须报告的事项:马里兰州要求按季度报告不利决定,并允许保险监理官调查拒绝数量的激增;华盛顿州要求保险公司报告,有多少事先授权的拒绝是借助 AI 作出的。
几乎我所有的治理工作,以及总体上大多数的医疗 AI 治理,关心的都是系统面前那位病人所得医疗的质量与安全:模型可以作出什么主张,什么时候必须升级(转交医生处理),出错时谁负责。这些法律治理的是另一件事。这里的 AI 不给病人诊断,也不给病人建议。它决定的是病人到底能不能得到治疗。而病人通常不在场,往往分辨不出 AI 参与过,也从未对此表示同意。这是一种不同的问责几何,值得把它明明白白写成每一次医疗 AI 治理审查都该问的问题:这个系统影响的,是否不只是医疗的质量,还有医疗的可及性?
真正的治理问题在哪里。 很容易把这些法律读成“AI 事先授权现在需要人在回路”,然后就此打住。这种读法漏掉了难的部分。这些法律无一例外都诉诸人工监督,这意味着起承重作用的问题不再是有没有人参与,而是那个人有没有真正作出决定。犹他州的法律明确规定,不利决定必须以专业人员独立的医学判断为依据,这一判断与 AI 的建议相分离,也不由 AI 的建议支配。华盛顿州禁止把 AI 作为拒绝的唯一依据,并要求任何不利决定都由持牌专业人员作出。佐治亚州允许在这一流程中使用 AI,但禁止它在未经医疗服务提供者审查和批准的情况下作出不利决定。合起来读,这个转变很精确:从“有没有人参与?”变成“你能不能证明,拍板的是那个人,而不是模型?”
这和我在临床 AI 里寻找的是同一个转变,我之前写过:只有当有一项测试显示控制有效、有一条记录显示它守住了,控制才算治理。“有一位持牌专业人员审过”是一个承诺。拒绝率随 AI 的建议起伏,申诉后被推翻的比例悄悄攀升,一位审核人员每小时批准的个案数超出了独立判断所能支撑的程度:这些就是人在回路已经沦为橡皮图章的信号。马里兰州的做法,即允许监管机构调查不利决定的显著增加,恰恰是在尝试把承诺变成一个受监测、可审计的信号。这些州法合在一起看,是一场自然实验:让人在回路变得可以证明,而不是被默认成立。
如果你构建或部署支付方一侧的 AI,这意味着什么。 部署就绪的问题不是“有没有人签核”,而是:有什么审计轨迹能表明,一个人对这一项具体决定行使了独立判断?又有什么受监测的信号,能在监管机构或被拒的病人发现之前,显示这种监督已经退化成默认批准?这和我用于临床系统的风险控制逻辑是同一套,只是对准的是关乎可及性的决定,而不是临床决定。
面向病人的质量和支付方一侧的可及性,是同一门功夫的两条轴。一个系统可以在临床上非常出色,却仍然通过一个未经审计的人在回路,拒绝让人们得到医疗。点出第二条轴,治理才跟得上 AI 真正触及病人的地方;而这个地方越来越不在病床边,而在有人决定他们到底能不能得到治疗的那个环节。
来源:Holland & Knight,“States Continue Efforts to Regulate AI in Healthcare: A Review of Legislation Passed in 2026”,2026 年 5 月。该文汇总了这篇笔记提到的 2026 年各州法律(Alabama SB 63、Indiana HB 1271、Utah SB 319、Washington SB 5395、Maryland HB 1563、Georgia SB 544),以及美国联邦医疗保险和医疗补助服务中心(CMS)为联邦医疗保险优势计划(Medicare Advantage)的事先授权设定的护栏。这篇笔记是治理层面的反思,不构成法律意见。