预防公卫

订阅

MedSci主页 / 所有栏目 / 预防公卫

JAMA子刊 ：政策设计美好却落地翻车？AI 如何破解美国医保大规模程序性退保困局

2026-08-13 清泉心田 MedSci原创 发表于上海

人工智能
关注

人工智能增强医疗政策实施，可有效降低医疗补助工作要求带来的程序性退保风险，减少政策落地的意外健康损害，这一框架也可推广至更多公共医疗政策的落地场景。

深度解析医学证据，DeepEvidence为你支撑决策 医疗政策的预期目标常因人力配置不足、卫生信息系统碎片化、行政流程复杂等执行层面的挑战难以落地，甚至引发严重意外后果。以美国医疗补助计划工作要求政策为例，2018—2019 年阿肯色州试点期间，大量满足工作要求或符合豁免条件的参保人因无法及时提交证明材料失去医保，即 “程序性退保”。已有循证证据证实，医保中断会显著升高不良健康结局甚至全因死亡风险。   根据《2025 年预算协调法案》，2027 年 1 月起，美国 40 个州及哥伦比亚特区近 2000 万名《平价医疗法案》扩面参保的成年参保人，需满足每月 80 小时的工作、职业培训、社区服务或就学要求，或符合医疗脆弱、照护 13 岁以下儿童等豁免条件。现有评估显示，超 90% 的扩面参保人实际符合政策要求，但各州医疗补助经办机构普遍缺乏人力与信息系统支撑完成全员核验。据预测，2028 年将有 490 万～1010 万人因此失去医疗补助保障，其中绝大多数为程序性退保。本文由此提出人工智能增强医疗政策实施的系统框架，探索以技术手段弥合政策设计与落地效果之间的缺口。  

相关资料下载：
[AttachmentFileName(sort=1, fileName=mcginty_2026_sc_260004_1785439371.31917.pdf)] GetArticleByIdResponse(id=133d9462e90b, projectId=1, sourceId=null, title=JAMA子刊 ：政策设计美好却落地翻车？AI 如何破解美国医保大规模程序性退保困局, articleFrom=MedSci原创, journalId=10496, copyright=原创, creationTypeList=[1], summary=人工智能增强医疗政策实施，可有效降低医疗补助工作要求带来的程序性退保风险，减少政策落地的意外健康损害，这一框架也可推广至更多公共医疗政策的落地场景。, cover=https://img.medsci.cn/20260811/1786426191134_8538692.jpg, authorId=0, author=清泉心田, originalUrl=, linkOutUrl=, content=深度解析医学证据，DeepEvidence为你支撑决策 医疗政策的预期目标常因人力配置不足、卫生信息系统碎片化、行政流程复杂等执行层面的挑战难以落地，甚至引发严重意外后果。以美国医疗补助计划工作要求政策为例，2018—2019 年阿肯色州试点期间，大量满足工作要求或符合豁免条件的参保人因无法及时提交证明材料失去医保，即 “程序性退保”。已有循证证据证实，医保中断会显著升高不良健康结局甚至全因死亡风险。   根据《2025 年预算协调法案》，2027 年 1 月起，美国 40 个州及哥伦比亚特区近 2000 万名《平价医疗法案》扩面参保的成年参保人，需满足每月 80 小时的工作、职业培训、社区服务或就学要求，或符合医疗脆弱、照护 13 岁以下儿童等豁免条件。现有评估显示，超 90% 的扩面参保人实际符合政策要求，但各州医疗补助经办机构普遍缺乏人力与信息系统支撑完成全员核验。据预测，2028 年将有 490 万～1010 万人因此失去医疗补助保障，其中绝大多数为程序性退保。本文由此提出人工智能增强医疗政策实施的系统框架，探索以技术手段弥合政策设计与落地效果之间的缺口。 &nbsp, belongTo=, tagList=[TagDto(tagId=8461, tagName=人工智能)], categoryList=[CategoryDto(categoryId=35, categoryName=预防公卫, tenant=100), CategoryDto(categoryId=84, categoryName=研究进展, tenant=100), CategoryDto(categoryId=20656, categoryName=梅斯医学, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, opened=0, paymentType=1, paymentAmount=5, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=722, appHits=0, showAppHits=0, pcHits=38, showPcHits=722, likes=0, shares=0, comments=0, approvalStatus=1, publishedTime=Thu Aug 13 09:27:00 CST 2026, publishedTimeString=2026-08-13, pcVisible=1, appVisible=1, editorId=6556168, editor=预防公卫新前沿, waterMark=0, formatted=0, deleted=0, version=3, createdBy=98af8624274, createdName=清泉心田, createdTime=Sun Aug 09 19:50:06 CST 2026, updatedBy=92910, updatedName=rayms, updatedTime=Thu Aug 13 09:27:50 CST 2026, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=mcginty_2026_sc_260004_1785439371.31917.pdf)], guideDownload=1, surveyId=null, surveyIdStr=null, surveyName=null, pushMsXiaoZhi=true, qaList=[{id=2484445, encryptionId=c0c62484445ce, articleId=133d9462e90b, userName=administrator, question=人工智能在医疗政策实施中存在哪些潜在风险？, answer=底层数据缺失、质量不佳与人群代表性不足会放大算法偏见，弱势人群的数字素养鸿沟可能加剧健康不公平，大语言模型的信息幻觉、算法黑箱也存在潜在决策风险。, clickNum=0, type=article, createdAt=1786584488225, updatedAt=1786584488225}, {id=2484448, encryptionId=4c7f248444806, articleId=133d9462e90b, userName=administrator, question=人工智能技术如何应对医疗政策规则的动态调整？, answer=AI工具可基于新数据与人工反馈持续迭代，快速响应政策规则、经办流程的调整，突破传统政策落地优化周期长、改造成本高的局限。, clickNum=0, type=article, createdAt=1786584488225, updatedAt=1786584488225}, {id=2484442, encryptionId=3f3d24844420e, articleId=133d9462e90b, userName=administrator, question=大语言模型在医疗政策沟通中有哪些具体应用？, answer=大语言模型驱动的数字助手可以定制化推送政策解读、答疑与材料提交指引，并通过检索增强生成技术对接官方权威数据库，保障信息的时效性与准确性。, clickNum=0, type=article, createdAt=1786584488225, updatedAt=1786584488225}])
mcginty_2026_sc_260004_1785439371.31917.pdf
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2355544, encodeId=c2d4235554431, content=<a href='/topic/show?id=d3a024808e0' target=_blank style='color:#2F92EE;'>#人工智能#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=20, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=24808, encryptionId=d3a024808e0, topicName=人工智能)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Thu Aug 13 09:27:50 CST 2026, time=2026-08-13, status=1, ipAttribution=上海)]
    2026-08-13 梅斯管理员 来自上海

    #人工智能#

    0

相关资讯

JAMA子刊：新手操作也能达到专家精度？这项 AI 超声技术，让低资源地区也能精准产检

基于盲扫超声的 AI 孕周评估系统仅需极少量本地化数据完成轻量化微调，即可在全新临床场景、全新设备品牌与零基础操作者使用的条件下，达到与专业超声医师相当的诊断精度，展现出优异的跨地域、跨人群泛化能力。

Frontiers in Immunology：HPV相关口咽癌治疗策略中HPV特异性创新与争议

HPV驱动的独特致癌机制及其激活的免疫微环境为精准干预奠定了坚实的生物学基础，新兴的液体活检与人工智能辅助诊断技术则为动态监测疾病进展和早期预警复发提供了全新手段。

可解释 AI 重新分析 STRASS 试验：腹膜后肉瘤术前放疗，谁才是真正的获益人群？

在整体阴性的 RCT 结果中识别出两类可从术前放疗中获得显著腹部无复发生存获益的腹膜后肉瘤人群：60 岁及以下的高分化脂肪肉瘤患者、接受根治性手术的去分化脂肪肉瘤患者。

【神麻人智】基于混合Stewart与标准碱剩余模型的动脉血气人工智能辅助解读

本研究的目的在于评估一种基于分区SBE模型、结构化的、公式引导的ChatGPT血气报告工作流的临床一致性，该评估由经验丰富的临床医师进行。

Chin Med：人工智能与中医学融合的认识论挑战、技术路径与未来展望

AI 与中医的融合本质是认识论层面的整合问题，而非单纯的技术落地。

BMJ：中国Ⅲ期证据，机器人胰十二指肠切除术术后恢复提速近4天

机器人胰十二指肠切除术在术后功能恢复方面达到预设非劣效标准，且可显著加快患者术后恢复速度、缩短住院时长，同时降低重症并发症的累积负担，肿瘤学根治性与开腹手术相当。

全科方法学专题系列（一）| 全科医务人员在人工智能的辅助下提炼高质量研究问题的五个步骤

本研究开发并论证了一套基于AI的"人机协作五步法"。

Lancet Infect Dis：成本降 37%、检出率更高，AI 胸片成社区结核筛查最优解

这项在社区中对比单独 CAD 与 CAD 联合 CRP 策略的大规模务实试验，为高负担地区结核主动筛查的方案优化提供了核心实证。

浙江大学张宇琪教授、顾臻教授ACS Nano：人工智能赋能药物递送——从制剂设计到智能医疗设备

该综述聚焦于三大核心方向：AI设计的药物制剂、AI驱动的ADMET性质预测，以及AI辅助的药物递送医疗设备，为AI赋能药物递送提供了全景式框架。

CGP述评 | 人工智能时代全科医生的机遇与挑战

本文旨在探讨AI时代对全科医生的机遇和挑战，以期构建一个可持续的智慧基层生态，为全科医生成功转型提供引导。