{"code":0,"message":"","data":{"typeDesc":"新闻快讯","releaseTime":"2026-08-26T10:40:28","createPsn":"何里玉","firstColumnCode":"JSKX","collectFlag":0,"source":"经理人融媒体中心 ","title":"面对DRG/DIP支付改革，AI如何更精准量化风险？","type":"XW","likesFlag":0,"collectAmount":0,"content":"<p style=\"text-indent: 2em; text-align: left;\">人口老龄化、慢病负担上升，医学科学与支付政策也在快速演进。健康险风险建模所依赖的“未来与过去相似”假设，正越来越难以完整反映未来风险。支付政策改革因此不再只是外部环境变化，而是再/保险公司必须持续关注的趋势性风险变量。</p><p style=\"text-indent: 2em; text-align: left;\">在这一趋势下，DRG/DIP支付改革的意义不只是支付方式发生变化。改革带来的数据质量的提升，支付标准的确定、医保结算方式的变更、新的结算数据、费用构成及赔付变化等，为相关保险风险进入模型并接受真实结果检验提供了基础。</p><p style=\"text-indent: 2em; text-align: left;\">硅基23（Silicon23），是一个为再/保险公司、健康险MGA及医疗机构提供服务的健康风险建模与管理的AI健康世界模型。它尝试解决的核心问题是：如何利用改革相关的支付数据与真实世界数据，更精准地识别、验证和量化相关风险，并把结果用于定价、核保、续保和其他保险决策。</p><h2 style=\"text-indent: 2em; text-align: left;\">支付政策快速演进，传统健康险模型为什么不够用了？</h2><p style=\"text-indent: 2em; text-align: left;\">第一代健康险风险模型主要针对重疾和高额住院等低频高损事件开发，通常利用发生率表、经验赔付率和历史数据估算潜在损失，其背后隐含着“未来将与过去相似”的假设。</p><p style=\"text-indent: 2em; text-align: left;\">但当人口结构、慢病负担、医学科学和支付政策持续变化时，历史经验未必能够完整反映风险接下来会如何演化。DRG/DIP支付改革及其结算政策的变化一定程度上会影响住院选择和费用分布，也会进一步影响保险机构对医疗支出、赔付和风险的判断。</p><p style=\"text-indent: 2em; text-align: left;\">因此，再/保险公司真正需要解决的，并不是简单判断DRG/DIP改革“有没有影响”，而是能否把改革相关的费用和赔付变化，转化为可识别、可验证、可持续更新的风险信息。</p><h2 style=\"text-indent: 2em; text-align: left;\">DRG/DIP支付改革为什么让相关风险更可量化？</h2><p style=\"text-indent: 2em; text-align: left;\">需要被量化的，不是DRG/DIP改革这一政策标签本身。</p><p style=\"text-indent: 2em; text-align: left;\">真正进入模型的，是改革带来的支付标准、医保结算数据、医疗支出、费用构成及赔付等数据，以及定期的动态调整和变化。硅基23将这些信息与高分辨率临床路径数据、真实赔付数据结合，再通过实际理赔和医疗支出持续检验模型估算结果，由此为更精准地量化相关保险风险提供依据。</p><p style=\"text-indent: 2em; text-align: left;\">这意味着，支付改革带来的变化不再只停留在政策描述层面，而可以沿着“数据进入模型—估算接受验证—偏差反馈修正”的路径，转化为能够支持保险决策的风险信息。</p><h2 style=\"text-indent: 2em; text-align: left;\">三类数据和真实运营闭环，构成风险量化基础</h2><p style=\"text-indent: 2em; text-align: left;\">硅基23的健康世界模型建立在覆盖全国主要城市的医院网络与临床数据基础设施之上，并形成了包含三类关键数据的档案库：</p><p style=\"text-indent: 2em; text-align: left;\">• 高分辨率临床路径数据；</p><p style=\"text-indent: 2em; text-align: left;\">• DRG支付数据；</p><p style=\"text-indent: 2em; text-align: left;\">• 真实赔付数据。</p><p style=\"text-indent: 2em; text-align: left;\">依托在中国主要城市运行的HMO实时运营流程，硅基23能够将模型估算结果与实际理赔和医疗支出进行逐案比较。当预测与真实结果出现差异，偏差会被重新反馈给模型，形成“预测—验证—修正”的闭环。</p><p style=\"text-indent: 2em; text-align: left;\">这一闭环让风险模型不再只依赖历史经验，而是能够持续接受真实结果的检验。传统健康险经验分析通常以年度为周期，AI驱动的模型可以将更新周期缩短到数周甚至数天，从而为定价、核保和续保提供更加及时的风险信息。</p><p style=\"text-indent: 2em; text-align: left;\">支撑这一过程的，是硅基23针对传统精算方法效果较差的风险开发的高分辨率因果模型。模型利用患者状态表征、因果图和反事实模拟，对疾病如何进展、干预如何改变进展、医疗支出如何随之移动进行推演，使风险从一张静态发生率表，变成可以随时间观察和更新的动态轨迹。</p><h2 style=\"text-indent: 2em; text-align: left;\">更精准地量化，不等于已经覆盖所有费用变化</h2><p style=\"text-indent: 2em; text-align: left;\">DRG/DIP支付改革提高了部分相关风险进入模型的可能，但其适用范围需要被明确。</p><p style=\"text-indent: 2em; text-align: left;\">硅基23表示，一些影响住院费用的DRG/DIP相关变化可以进行量化并纳入模型；门诊、药品和创新疗法的费用演化仍然存在更大的不确定性，需要持续利用新的真实世界数据更新相关风险模型。</p><p style=\"text-indent: 2em; text-align: left;\">这也说明，模型的价值不在于一次性算出一个固定答案，而在于不断用真实数据缩小预测与实际支出之间的偏差。保持模型及时更新，与模型本身的准确性同样重要。</p><p style=\"text-indent: 2em; text-align: left;\">除支付政策改革外，医疗费用通胀也是硅基23认为AI具有潜力的重要领域。机器学习可以分析大量诊疗和支付数据，识别可能引发赔付超支的医疗行为模式，包括新药新技术进入、过度医疗和转诊外溢等次生风险。</p><h2 style=\"text-indent: 2em; text-align: left;\">从量化相关风险，到形成真实保障价值</h2><p style=\"text-indent: 2em; text-align: left;\">当DRG/DIP支付改革相关的支付数据、住院费用和赔付变化，能够与疾病进展、医疗利用和费用强度共同进入模型，再/保险公司便可以获得更加及时的健康风险信息。</p><p style=\"text-indent: 2em; text-align: left;\">这些信息可以用于产品定价、核保、续保、再保险决策、理赔管理和准备金计提。但保险决策并不是这条链路的终点。</p><p style=\"text-indent: 2em; text-align: left;\">硅基23将完整链路概括为“可见—可衡量—可定价—可承保—可管理”：</p><p style=\"text-indent: 2em; text-align: left;\">• 风险先被看见，才有可能被衡量；</p><p style=\"text-indent: 2em; text-align: left;\">• 风险能够被衡量，才有可能进入精算定价；</p><p style=\"text-indent: 2em; text-align: left;\">• 风险可以被定价，才有机会进入承保范围；</p><p style=\"text-indent: 2em; text-align: left;\">• 当承保背后存在持续管理与干预，风险本身也可能发生改变。</p><p style=\"text-indent: 2em; text-align: left;\">DRG/DIP支付改革带来的量化价值，最终不是让模型多一个政策变量，而是帮助保险机构更清楚地理解相关费用与赔付风险，为定价、承保和持续管理建立更加细致的基础。</p><h2 style=\"text-indent: 2em; text-align: left;\">硅基23：新风险类别的三重价值</h2><p style=\"text-indent: 2em; text-align: left;\">硅基23总结称，AI驱动的健康世界模型可以为再/保险公司在定价、核保、理赔和资本决策方面提供更加及时的健康风险信息，并首次将中国人口健康风险变得可见、可衡量、可定价、可承保、可管理。</p><p style=\"text-indent: 2em; text-align: left;\">该公司认为，这一新风险类别对中国市场具有三层意义：</p><h3 style=\"text-indent: 2em; text-align: left;\">带病体可保</h3><p style=\"text-indent: 2em; text-align: left;\">风险可衡量，意味着可以通过精算定价替代一刀切拒保，让原本因既往病史被拒保的人群有机会以合理价格获得保障。</p><h3 style=\"text-indent: 2em; text-align: left;\">医疗可负担</h3><p style=\"text-indent: 2em; text-align: left;\">通过预防、管理和干预前置，把高昂医疗支出转化为可负担的年度保费，进一步扩大医疗保健的可及性。</p><h3 style=\"text-indent: 2em; text-align: left;\">行业新增长极</h3><p style=\"text-indent: 2em; text-align: left;\">过去健康险受限于风险不可衡量和逆选择严重，增长天花板明显。新风险类别的出现，为中国健康险行业打开了此前难以触及的市场空间。</p><p style=\"text-indent: 2em; text-align: left;\">随着支付政策持续演进，健康险风险模型也需要持续更新。硅基23表示，保持模型的及时更新将与模型本身的准确性同样重要。这是中国第一次把健康风险变成一个可保的资产类别——它让带病体买得起保险，让老百姓看得起病，也为中国健康险行业打开了一条全新的增长曲线。</p>","downloadAmount":0,"filePageAmount":0,"releaseDateStr":"2026-08-26 10:40:28","fileUrl":"","readAmount":0,"columnCode":"","id":20649,"keyword":"","likesAmount":0,"statusDesc":"已上架","createPsnId":179,"firstColumnName":"即时快讯","updateTime":"2026-08-26 10:40:38","coverImgUrl":"","isExistFile":0,"createTime":"2026-08-26 10:40:38","authorName":"","isTop":0,"simpleContent":"","contentLength":0,"status":1,"columnName":null}}