EFF披露医保AI预授权文件：WISeR试点被指引发延误、拒付与患者风险

据 EFF 于 2026 年 9 月 9 日发布的信息，该组织通过针对美国政府的信息公开诉讼，从美国医疗保险和医疗补助服务中心（CMS）取得并公开了约 1,000 页与 Medicare 新项目 WISeR 有关的记录。WISeR 全称为 Wasteful and Inappropriate Service Reduction，是一项使用 AI 评估部分医疗服务预授权请求的试验性项目。来源显示，这批文件包括与科技公司的合同、内部状态报告以及医疗服务提供方对项目的投诉，反映出该项目在实施后出现了护理延误、拒绝授权、运营混乱以及患者受害报告等问题。

从隐私与数字权利角度看，这并不只是一个医保流程效率问题。AI 被引入医疗支付决策后，患者的诊疗记录、服务申请、支付判断和第三方承包商的数据处理流程会更紧密地连接在一起。如果透明度不足，普通用户很难知道自己的敏感健康信息如何被使用、由谁处理、是否被算法模型影响，以及在遭遇拒绝或延误时应如何申诉。

WISeR 项目为何引发信息公开诉讼

来源摘要显示，EFF 在 2026 年 3 月提起 FOIA 诉讼，目的在于获取这一 AI 预授权试验项目的更多信息。EFF 认为，WISeR 可能影响 Medicare 受益人获得医疗服务的机会，因此公众需要了解项目的运行机制、承包安排和风险控制措施。

据报道，CMS 于 2026 年 1 月启动 WISeR 模型，涉及六个州的老年医保受益人。在该模式下，医疗服务提供方如果希望确认 Medicare 会覆盖某些治疗项目，就需要在提供相关医疗服务前先提出预授权请求。CMS 签约的私营公司会使用 AI 对这些请求进行评估。

EFF 关注的核心在于：AI 驱动的预授权并非单纯的后台工具，它可能实际影响患者能否及时获得必要护理。虽然 CMS 表示，所有拒绝决定都必须由合格的人类临床医生审核，但来源同时指出，既有研究显示 AI 生成的建议往往会影响人工决策。也就是说，即便最终按流程由人类签字，算法判断仍可能在事实上改变医疗服务的走向。

文件显示的主要问题

根据 EFF 对已取得记录的描述，WISeR 在落地后暴露出多层问题，既包括患者层面的风险，也包括系统运行层面的不稳定。尤其值得关注的是，项目设计中存在承包商因“避免支出”而获得报酬的安排。EFF 认为，这可能形成激励，使承包商更倾向于拒绝护理请求。

• 延误与拒绝：文件显示，项目已出现广泛的护理延误和拒绝授权情况，可能影响患者及时获得治疗。
• 运营混乱：内部状态报告和服务提供方投诉反映，项目运行过程中存在流程和执行层面的混乱。
• 患者伤害报告：来源称，文件中包含与患者受害相关的报告，这使项目风险不再停留在理论层面。
• 透明度不足：外界对承包商使用的 AI 系统了解有限，难以评估其准确性、公平性和安全边界。

隐私与安全解读：医疗AI决策需要更高透明度

医疗数据属于高度敏感信息。预授权系统通常会涉及诊断、治疗方案、服务代码、医生说明以及保险支付判断。当这些信息被提交给第三方科技公司，并由 AI 系统参与分析时，数据治理标准就必须足够清晰，包括访问权限、保留期限、模型训练用途、审计日志和错误纠正机制。

对普通医保用户而言，最直接的问题是：如果 AI 建议拒绝，患者是否能知道理由？如果系统错误导致治疗延迟，责任由谁承担？如果算法对某些疾病、地区、年龄群体或服务类型产生偏差，监管机构如何发现并纠正？这些问题都需要公开记录、独立审计和明确申诉渠道来回答。

从网络隐私实践看，用户在访问医保门户、上传资料或与医疗机构远程沟通时，也应注意基础防护，例如避免在不可信公共网络中传输医疗文件，开启账户多因素验证，并定期检查授权访问记录。若必须在公共 Wi-Fi 环境处理敏感医疗事务，可考虑使用包括 RedGate VPN 在内的可信加密连接工具作为辅助防护，但这不能替代平台本身对医疗数据的合规保护。

对AI公共服务试点的启示

WISeR 事件提醒我们，AI 进入公共服务领域时，效率目标不能压倒个体权利。尤其在医疗支付与护理可及性相关的场景中，错误决策的代价可能直接落到患者身上。来源披露的记录显示，外部监督和信息公开在此类项目中非常关键：只有当合同、流程、投诉和审核机制可被审视，公众才有机会判断 AI 系统是否真正服务于公共利益。

目前，EFF 公布的文件为外界理解 WISeR 的实际运行提供了新材料。接下来，更关键的是 CMS 是否会回应这些记录所显示的问题，并说明如何降低延误、拒绝和患者伤害风险。对于关心隐私保护的用户来说，这一案例也再次说明：当个人敏感数据与自动化决策结合时，透明度、问责和安全控制不应是附加项，而应是系统上线前的基本前提。