AI 醫療保健的經濟引擎：解碼 Medicare 的 ACCESS 模型

數十年來，將人工智慧整合到醫療保健中的主要障礙並非技術本身，而是支付模式。在傳統的按服務收費（fee-for-service）系統中，Medicare 會根據與臨床醫生接觸的時間或執行的特定活動進行報銷。目前並沒有財務機制可以支付用於監測患者就診間隙、協調住房轉介或確保用藥依從性的 AI 代理（agent）。

隨著 ACCESS（Advancing Chronic Care with Effective, Scalable Solutions）的推出，情況正在發生變化。這項為期 10 年的 CMS 計畫，不僅是一項新的醫療保健倡議；它更是在經濟激勵措施方面的根本轉變，旨在獎勵健康成果而非要求的活動。

透過這種方式，政府有效地在聯邦規模上為 AI 創新創造了一個「泳道」（swim lane）。

從基於活動的支付轉向基於成果的支付

在 ACCESS 模型下，參與組織會因管理符合條件的疾病——包括糖尿病、高血壓、慢性腎臟病、肥胖、憂鬱症和焦慮症——而獲得可預測的支付。然而，只有當患者達到可衡量的健康目標（例如減輕疼痛或降低血壓）時，才能獲得全額支付。

這種轉變至關重要，因為它消除了對人工主導的「記錄分鐘數」或「完成就診次數」的要求。正如 Pair Team 的 CEO Neil Batlivala 所言，這種轉變允許部署先前無法獲得報銷的工具。

一位參與該計畫的 YC startup 創始人解釋了這種轉變的策略性質：

"Medicare 已將支付率設定得足夠高，足以讓 startup 能夠生存，但又足夠低，以至於你必須使用軟體（包括 AI）來交付大部分的計畫內容。因此，Medicare 基本上是創造了經濟激勵措施來獎勵軟體，而無需規定計畫的確切形式。"

個案研究：Pair Team 與「陪伴式干預」

Pair Team 提供了一個引人注目的範例，展示了這種模型如何實現 AI 優先的照護。該公司專注於患有慢性疾病且同時面臨健康社會決定因素（social determinants of health）的患者，例如不穩定的住房或糧食不安全。

為了擴展這種高接觸度的照護，Pair Team 部署了 Flora，一個語音 AI 代理。Flora 處理接診、協調轉介，並執行能讓患者保持參與度的例行檢查。除了臨床效用外，AI 還填補了深刻的社會真空。Batlivala 敘述了一位住在車裡的 67 歲女性，她與 Flora 交談了超過一個小時——這可能是她幾週來唯一交談過的「人」。這突顯了 AI 陪伴正成為孤立人群的一種正當醫療干預手段，這是一個正在興起的趨勢。

風險：數據、倫理與「挑選優質客戶」

儘管具有效率潛力，ACCESS 模型也引入了技術和醫療界密切關注的重大風險：

1. 隱私全景監獄

參與者正在將敏感的患者數據——包括關於心理健康和住房的私密細節——輸入到聯邦基礎設施中。鑑於 CMS 有過數據洩漏的歷史（包括洩露的 Social Security numbers），批評者擔心這會創造一個「全景監獄」（panopticon），即保險和照護依賴於全面監控。

2. 患者選擇偏差

當支付與成果相關聯時，就存在「挑選優質客戶」（cherry picking）的系統性風險。批評者認為，醫療服務提供者可能會受到激勵去註冊成功率較高的患者，同時避開預後期處於低端的患者，以確保他們達到可衡量的健康目標。

3. Financial Viability（財務可行性）

CMS 創新計畫的紀錄是好壞參半的。一份 2023 年的 CBO 分析發現，CMS Innovation Center 在其第一個十年中增加了 54 億美元的聯邦支出。此外，由於報銷率被刻意地設定得很低以強制自動化，該模型僅對真正「AI 優先」的組織而言是可行的。

結論：照護的通縮性未來

ACCESS 模型代表了一種醫療保健的「通縮性」方法。透過激勵減少每位患者的成本，CMS 是在賭 AI 可以處理那些「不具報酬性」的工作，例如陪伴慢性病患者和管理物流——這些在歷史上很難透過人力來配置的任務。

如果成功，ACCESS 將證明，推動受規管產業中 AI 採用的最有效方式並非強制要求使用技術，例如，而是透過改變經濟學，使技術成為實現獲利能力的唯一可行路徑。