2026 年 7 月 27 日
可及性,而不只是質素:2026 年各州關於事先授權中 AI 的法律,真正在治理甚麼
2026 年以來,美國一批州相繼立法,規定醫療保險公司在事先授權和理賠決定中可以怎樣使用 AI。阿拉巴馬州、印第安納州、猶他州、華盛頓州、馬里蘭州和佐治亞州走的路線不盡相同,但都匯聚到同一條規則上:AI 可以輔助並簡化保險業務流程,但保險公司不能把它當作拒絕醫療的唯一依據,不利決定必須由持牌專業人員作出。有幾個州走得更遠,把這種監督變成了必須報告的事項:馬里蘭州要求按季度報告不利決定,並允許保險監理官調查拒絕數量的激增;華盛頓州要求保險公司報告,有多少事先授權的拒絕是藉助 AI 作出的。
幾乎我所有的治理工作,以及總體上大多數的醫療 AI 治理,關心的都是系統面前那位病人所得醫療的質素與安全:模型可以作出甚麼主張,甚麼時候必須升級(轉交醫生處理),出錯時誰負責。這些法律治理的是另一件事。這裏的 AI 不給病人診斷,也不給病人建議。它決定的是病人到底能不能得到治療。而病人通常不在場,往往分辨不出 AI 參與過,也從未對此表示同意。這是一種不同的問責幾何,值得把它明明白白寫成每一次醫療 AI 治理審查都該問的問題:這個系統影響的,是否不只是醫療的質素,還有醫療的可及性?
真正的治理問題在哪裏。 很容易把這些法律讀成「AI 事先授權現在需要人在迴路」,然後就此打住。這種讀法漏掉了難的部分。這些法律無一例外都訴諸人工監督,這意味着起承重作用的問題不再是有沒有人蔘與,而是那個人有沒有真正作出決定。猶他州的法律明確規定,不利決定必須以專業人員獨立的醫學判斷為依據,這一判斷與 AI 的建議相分離,也不由 AI 的建議支配。華盛頓州禁止把 AI 作為拒絕的唯一依據,並要求任何不利決定都由持牌專業人員作出。佐治亞州允許在這一流程中使用 AI,但禁止它在未經醫療服務提供者審查和批准的情況下作出不利決定。合起來讀,這個轉變很精確:從「有沒有人蔘與?」變成「你能不能證明,拍板的是那個人,而不是模型?」
這和我在臨床 AI 裏尋找的是同一個轉變,我之前寫過:只有當有一項測試顯示控制有效、有一條記錄顯示它守住了,控制才算治理。「有一位持牌專業人員審過」是一個承諾。拒絕率隨 AI 的建議起伏,申訴後被推翻的比例悄悄攀升,一位審核人員每小時批准的個案數超出了獨立判斷所能支撐的程度:這些就是人在迴路已經淪為橡皮圖章的信號。馬里蘭州的做法,即允許監管機構調查不利決定的顯著增加,恰恰是在嘗試把承諾變成一個受監測、可審計的信號。這些州法合在一起看,是一場自然實驗:讓人在迴路變得可以證明,而不是被預設成立。
如果你構建或部署支付方一側的 AI,這意味着甚麼。 部署就緒的問題不是「有沒有人籤核」,而是:有甚麼審計軌跡能表明,一個人對這一項具體決定行使了獨立判斷?又有甚麼受監測的信號,能在監管機構或被拒的病人發現之前,顯示這種監督已經退化成預設批准?這和我用於臨床系統的風險控制邏輯是同一套,只是對準的是關乎可及性的決定,而不是臨床決定。
面向病人的質素和支付方一側的可及性,是同一門功夫的兩條軸。一個系統可以在臨床上非常出色,卻仍然通過一個未經審計的人在迴路,拒絕讓人們得到醫療。點出第二條軸,治理才跟得上 AI 真正觸及病人的地方;而這個地方越來越不在病床邊,而在有人決定他們到底能不能得到治療的那個環節。
來源:Holland & Knight,「States Continue Efforts to Regulate AI in Healthcare: A Review of Legislation Passed in 2026」,2026 年 5 月。該文彙總了這篇筆記提到的 2026 年各州法律(Alabama SB 63、Indiana HB 1271、Utah SB 319、Washington SB 5395、Maryland HB 1563、Georgia SB 544),以及美國聯邦醫療保險和醫療補助服務中心(CMS)為聯邦醫療保險優勢計劃(Medicare Advantage)的事先授權設定的護欄。這篇筆記是治理層面的反思,不構成法律意見。