如果 AI 能幫保險公司省下 2 億美元，這代表病人獲得了更好的照護，還是公司只是少付了一些醫療費用？
美國保險公司 Cigna 表示，正使用 AI 找出罹患慢性病或複雜疾病、可能需要提早介入的會員，再安排護理師與臨床人員主動提供協助。
公司預估，這些工具未來三年可替客戶節省約 2 億美元醫療費用，並讓癌症、心臟病及腎臟病患者獲得臨床協助的機會提高約 20%。
真正值得關注的，不只是 AI 省下多少錢，而是它有沒有讓真正需要幫助的人更早被看見。
AI 不是直接替醫生診斷
很多人聽到醫療 AI，會先想到分析 X 光、尋找腫瘤或判讀檢查報告。
但 Cigna 這次介紹的用途，更接近醫療照護管理。
AI 會從現有健康與保險資料中，協助辨識可能面臨較高健康風險的會員，再讓公司旗下約 1,250 名護理師與其他臨床人員提早介入。
可能的協助包括：
- 提醒患者回診或接受檢查
- 協助安排適合的醫療資源
- 提供個人化健康支持
- 降低病情惡化後住院或進急診的機會
- 提早辨識乳癌、大腸癌與肺癌等風險
換句話說，AI 的角色不是直接告訴患者得了什麼病。
它比較像是在大量資料中先舉手提醒：
這個人可能需要由真人進一步關心。
這就像替護理師準備一張優先名單
想像一個醫療團隊每天面對數萬名患者。
護理師不可能同時打電話給每一個人，也不可能人工檢查所有醫療與保險紀錄。
AI 可以先整理資料，找出哪些人近期可能面臨較高風險，再交由臨床人員確認。
如果判斷正確，患者可能在病情變嚴重以前，就先得到提醒與協助。
這時候，節省醫療費用並不一定代表縮減服務。
它也可能是因為：
- 疾病提早被發現
- 患者更早接受治療
- 慢性病得到穩定管理
- 原本可能住院的情況被提早控制
- 不必要的急診與高成本治療減少
患者少受苦，醫療系統也少支出，可能形成雙方都受益的結果。
省錢不是問題，怎麼省才是問題
保險公司降低醫療支出，本身不一定是壞事。
但我們需要分清楚兩種完全不同的省錢方式。
第一種是提早照護。
患者更早接受檢查、治療與健康管理，因此避免更嚴重、更昂貴的醫療事件。
第二種是減少服務。
公司透過限制治療、延後核准或降低照護使用量，讓支出下降。
這兩種做法最後都可能讓帳面成本降低。
但對患者而言，意義完全不同。
真正好的醫療 AI，應該靠改善健康來降低成本，而不是靠讓患者更難取得服務。
AI 可能漏掉哪些人？
AI 的判斷依賴資料。
如果一個人的資料不完整，系統就可能看不見他的真正風險。
例如：
- 很少就醫，因此缺少醫療紀錄
- 經常更換醫院或保險方案
- 部分檢查結果沒有完整整合
- 沒有穩定使用數位醫療服務
- 語言、地區或經濟條件造成資料缺口
這些人不一定比較健康。
他們可能只是比較少出現在系統裡。
如果 AI 只根據資料豐富的人進行判斷，就可能讓原本已經較難取得醫療資源的人，再次被排除在優先名單之外。
不能只用節省金額衡量成功
假設一套 AI 讓醫療支出降低很多，但同時漏掉部分真正需要照護的人，這不能算成功。
醫療 AI 的成果不能只看：
- 節省多少錢
- 減少多少住院
- 處理多少患者
- 護理師完成多少通聯
還應該看：
- 是否真的提早發現疾病
- 患者的健康結果是否改善
- 不同族群是否得到公平照護
- 系統漏掉多少高風險患者
- 判斷錯誤時能否由真人重新檢視
如果 AI 只對財務數字負責，它可能優先選擇最容易降低成本的人。
但醫療照護真正需要保護的，往往是情況最複雜、資料最不完整，也最容易被忽略的人。
患者知道 AI 正在分析自己嗎？
未來，一名患者接到護理師的電話，可能不是因為醫生剛好看到他的資料。
也可能是 AI 先從保險紀錄、用藥、檢查與就醫資料中，判斷他需要被優先關心。
這可能帶來幫助，但也產生新的問題：
- 哪些資料被拿來分析？
- 患者是否知道 AI 參與了判斷？
- 系統判定低風險時，是否會影響可取得的服務？
- 患者能不能要求人工重新檢查？
- 資料錯誤時要如何修正？
AI 可以協助醫療人員更快找到風險。
但涉及健康、治療與服務權益的判斷，不應只剩下一個無法說明理由的分數。
最後決定仍然需要真人
Cigna 這次公布的做法，是讓 AI 協助找出可能需要介入的人，再由護理師與其他臨床人員提供支持。
這樣的分工比讓 AI 直接做出醫療決定更合理。
AI 適合處理：
- 大量資料整理
- 發現可能的風險訊號
- 建立需要優先確認的名單
- 提醒尚未完成的檢查與照護
真人則必須負責：
- 確認資料是否正確
- 了解患者實際生活情況
- 解釋判斷與可用選擇
- 處理例外與複雜需求
- 承擔最後的專業責任
AI 可以告訴醫療團隊哪裡值得注意。
但患者不是一組風險分數，也不能只靠過去紀錄決定未來應獲得多少照護。
這件事和一般人有什麼關係？
保險公司與醫療機構正在把 AI 放進更多看不見的工作流程。
它不一定會以聊天機器人的形式出現在患者面前。
它可能在背景協助：
- 安排誰先被聯絡
- 找出誰需要回診
- 預測誰可能住院
- 提醒哪些檢查尚未完成
- 分配有限的護理與臨床資源
這些用途可能改善效率，也可能影響患者接受服務的順序。
所以一般人真正需要的，不只是更聰明的系統。
還包括清楚的說明、資料修正方式、人工重審，以及知道最後由誰負責。
今天真正該問的問題
Cigna 預估，這些 AI 工具三年內可替客戶節省約 2 億美元醫療費用。
公司也表示，使用相關臨床計畫的客戶，每年平均可節省約 2,000 美元醫療費用。
這些數字很吸引人。
但真正決定這套系統是否成功的，不只是財務報表。
還要持續回答：
- 患者是否更早得到照護？
- 病情是否真的得到改善？
- 弱勢與資料不足的人是否被公平看見？
- AI 出錯時能否由真人修正？
- 節省成本是否來自減少嚴重疾病，而不是減少必要服務？
醫療 AI 最有價值的地方，不是替公司找到最便宜的做法，而是讓真正需要幫助的人更早被看見。
AI 最珍貴的價值，不是讓醫療變得更便宜，而是讓患者在病情變嚴重以前，更早得到真正需要的照護。
