法院裁定精算誤差引發巨額賠償！美國Medicare Advantage（醫療利得計畫）是聯邦醫療保險（Medicare）的一大分支，藉由私營保險公司承保，並以「星等評分」（Star Ratings）作為品質與獎金分配依據。根據美國衛生暨公共服務部（Department of Health and Human Services）公布，2022年度Medicare Advantage品質獎金支出高達116億美元，星等越高的計畫可獲得更多品質獎金與吸引保戶；反之低於最低門檻者甚至得繳交罰金或被下架。2024年初，德州地方法院法官認定保險商艾維蘭斯（Elevance Health）對於2020與2021年度星等計算的數學爭執論點不被採納，並依照CMS（Centers for Medicare & Medicaid Services，美國醫療保險與醫療補助署）提出的金額重算，判決艾維蘭斯須支付約3.75億美元的回溯賠償金。此一結果不僅透露出星等評分體系的高度影響力，也再度提醒整個健保產業，精確計算背後的數據監管與法律風險絕不可輕忽。
訴訟根本爭議揭示星等計算偏差！艾維蘭斯在官司中主張，CMS在計算品質指標時使用不當的數學模型與加權方式，尤其在門診服藥依從性（Medication Adherence）與預防性檢查指標上存在樣本排除與標準差（Standard Deviation）處理方式不一致的問題，導致整體星等被低估。然而，法院審理時參考了雙方提交的專家報告與匿名原始數據，並指出艾維蘭斯所採模型並未符合CMS既定的計算規範，且其專家證據未能證明偏差幅度足以推翻官方評分。同時，法院依據CMS提供的年度報表與公布算法技術文件，重算並認定賠償金額確實高達3.75億美元。值得注意的是，此案雖在第一審宣判，但根據法院文件，艾維蘭斯仍有權在30天內提出上訴，並可能拖延至明年，持續牽動保險業者對於品質評分爭議的關注。
應對風險策略助保險公司節省轉圜保險業者面對星等評分的法律與金流風險，除了在官司中提出技術層面的論證，更需從源頭強化資料治理（Data Governance）與模型驗證機制。一可行策略是導入第三方獨立稽核：在每次向CMS提交評分數據前，聘請具資質的精算團隊或大學研究單位進行雙重驗證，比對官方參考算法與自有計算結果，確保加權、標準化流程無誤。二是建立持續監控與警示系統：運用人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）技術，偵測歷年指標異常變動，並在發現偏離預期時即時通報，以便快速調整。預期效益包括降低法律訴訟風險、避免大額回溯賠償，並在爭議發生前先行解決潛在問題。然而，需注意的潛在風險是技術成本與時效壓力：引入AI與獨立稽核固然能提升準確性，卻可能增加執行成本，亦需兼顧資料隱私與合規性。為了化解風險，建議保險公司制定明確的跨部門協作流程，將精算團隊、法務部門與資訊安全單位整合，形成「三合一」風險管理機制。在複雜的星等評分系統下，保險業者是否已做好全面的數據稽核？邀請連結: https://www.zhiyixinjiyuan.tw/subscribe
