每当处方被开出或化验单生成，医疗理赔的账本上便多了一行记录。长期以来，这些为了报销而非科研而产生的数据一直被视为行政系统中的噪音。然而，一种直接基于这些理赔序列训练的新型基础模型正在改变现状。该模型能够精准提取潜在模式，预测疾病发作并模拟临床试验结果。它将每位患者的病史视为标准代码的时间序列，涵盖了诊断、手术、药物和就诊类型，其处理逻辑与大语言模型处理句子的方式如出一辙。
通过学习数百万条此类轨迹中的统计关系，该模型能识别出心脏衰竭、慢性肾脏病或某些癌症发生前的微弱信号，有时甚至能提前数年发出预警。由于理赔数据已经过标准化处理且具有全民规模，这种方法有效避开了原始电子健康档案中常见的碎片化和隐私障碍。初步研究结果显示，该模型还能模拟不同治疗路径下的演变，实现了一种无需招募参与者或进行随机干预的试验模拟形式。
这种能力在医学研究中具有重要意义，因为传统的临床试验不仅耗时耗力、成本高昂，且往往无法代表现实世界中患有多种并发症或服用多种药物的复杂患者。理赔数据的观察性模拟能更快速地在更广泛的人群中得出效应评估。尽管研究人员提醒，未被观察到的混杂因素和受计费驱动的编码选择仍会限制结果的确定性，但其在日常生活中的实际应用价值已不容忽视。
保险公司或医疗系统可利用这些预测结果，针对特定个体开展早期筛查或预防项目。然而，同样的风险评分也可能在任何症状出现前，就对保险承保决定或保费计算产生影响。理赔数据不仅反映了生物学特征，还折射出医疗服务的获取途径、编码习惯和财务激励。基于此类数据训练的模型存在放大现有社会不平等的风险，保险记录不全或医疗利用率较低的人群可能会被系统性地低估或被错误地标记为高风险。
我们可以将此比作日记与支票簿登记簿的区别。日记记录的是主观感受，而登记簿仅显示支付项目和时间。然而，登记簿中的模式——例如频繁看专科医生后紧跟特定药物，或常规手术后的急诊理赔簇——能揭示日记所遗漏的健康轨迹。基础模型本质上是在全民范围内阅读这份支票簿，将报销凭证转化为概率预测。制药商看到了加速假设生成和上市后监管的新途径，而监管机构则面临更艰巨的任务，即判定模拟证据何时足以可靠到支撑标签变更或承保决策。
与此同时，患者往往并不知道自己的理赔历史正被以这种方式利用，且一旦预测结果产生，个人往往缺乏有效的申诉渠道。该模型的优势在于利用现有系统中的数据流，但这同时也让监管变得更加困难，因为输入数据并非在科研知情同意框架下收集。目前，该模型在不同疾病和人群中的准确性仍参差不齐。最终的决定性问题不在于预测技术在理论上是否可行，而在于相关机构将利用这些技术来扩大及时的医疗护理，还是为了牺牲个人自主权来更高效地分配资源和管理风险。
