生物识别数据正在扩大医疗保险不平等

在美国，相当一部分成年人每天佩戴联网手环或使用应用程序跟踪健康。这一现象背后存在明显分化：根据GSMA 2025年报告，未接入移动互联网的人口中，93%生活在低收入或中等收入国家。生物识别数据在部分保险模式中的使用持续增多，无法提供这些数据的人则承担标准费率。

要点

由联网手环采集的个人生物识别数据，在美国部分保险模式中的使用持续增多。联邦框架对受HIPAA和ACA约束的集体保险计划中的健康项目作出规范，但其适用范围并非普遍。根据GSMA 2025年报告，未接入移动互联网的人口中，93%生活在低收入或中等收入国家；女性占移动使用差距的58%，使用移动互联网的概率比男性低12%。监测设备价格差异显著：部分型号起价约249美元，另一些超过400美元，在数字门槛之上再加一道价格门槛。这一分叉尚未定型：规范保险用途，还是将迄今属于集体的健康资源长期私有化，取向仍悬而未决。

一个学会解读身体的保险市场

传统医疗保险建立在风险共担的基础上。保险公司按年龄、性别、既往病史等大类收取保费，因为这是他们唯一能观察到的信息。联网手环改变了这一逻辑。它们产生了新的精细数据：静息心率、心率变异性、睡眠时长、每日步数、估算压力水平。能够获取这些数据的保险公司，可以用精确的个人画像替代对群体的统计估算。

几家美国大型保险公司已经迈出这一步。John Hancock自2018年起将活动监测数据纳入人寿保险合同。UnitedHealthcare Motion是一个与活动目标挂钩的自愿奖励项目，具体形式因保险计划而异。生物识别数据目前尚未被大多数合同用于实时调整健康保费，但方向已经清晰：市场倾向于奖励能够提交有利数据的投保人。

路易吉·津加莱斯（Luigi Zingales）对监管俘获的研究，在这里得到了精准印证。他发表于芝加哥大学ProMarket论坛的研究描述了这样一种机制：在公共监管缺失或滞后时，强势行为者将集体资源转化为私人租金。预防性健康长期被视为公共品——预防项目、健康体检、流行病学数据服务于全体人口。一旦这些数据迁移至私人平台并嵌入个人保险合同，其分配效应将取决于适用的监管框架。

数字鸿沟也是健康鸿沟

每天追踪健康的美国人并不代表整体人口。GSMA 2025年数据显示，全球范围内，未接入移动互联网的人口中93%生活在低收入或中等收入国家。即便在美国国内，数字设备的拥有差距与收入和族裔差距高度重合。

监测设备的价格和资格条件因项目和型号而异，不存在统一的200至400美元门槛。在这一价格区间，联网设备的普及程度存在明显的社会差异，但并非仅限于高收入家庭。在低收入人群中占比更高的女性，面临GSMA记录的双重劣势：她们占移动互联网使用性别差距的58%，使用移动互联网的概率比男性低12%。价格激励机制可能由此制造差距。在与健康指标挂钩的集体保险项目中，缺乏数据不能自动导致基于健康状况的保费上调——联邦规则要求提供合理替代方案或豁免机制。

这一机制还有自我强化的倾向。获取监测设备最困难的人群，往往面临更严苛的生活、工作和饮食条件。与健康指标挂钩的集体健康项目须提供合理替代方案或豁免，方可发放奖励。能够证明每天走一万步的人获得奖励；工作条件缺乏弹性的人群，在获取设备和相关奖励方面面临额外障碍。

这一机制与我们对机器人引发极化现象的分析所描述的规律一致：当一项技术放大了本已装备良好的劳动者的生产力，却对其他人不可及，差距便会扩大而非缩小。

联邦监管的空白不是疏忽

集体保险计划有联邦框架可循：它限制并约束与健康项目挂钩的费率激励。最广为人知的医疗数据隐私法——1996年通过的联邦医疗数据保密法——覆盖由医疗服务提供者、医院及保险公司在行政职能范围内持有的数据。消费级应用程序或手环产生的数据，通常不在该法覆盖范围之内，除非相关服务代表受监管实体运营。数据流转路径因应用程序、平台和项目而异，无法一概而论地适用于苹果、谷歌、Garmin或Fitbit，再到保险公司。

这一监管空白决定了生物识别数据的获取方式。保险公司可通过自愿激励项目获取有利的生物识别数据。与健康指标挂钩的集体健康项目须依据联邦适用规则提供合理替代方案或豁免。

另一种解读值得正面陈述。部分经济学家支持竞争性市场立场，主张基于真实健康行为的精细化保费定价在经济上合理：它校准激励机制、减少道德风险，理论上还能降低活跃人群的保险成本。这一论点内部逻辑自洽——前提是不佩戴手环的决定是自由选择。当200美元对低收入家庭而言是一笔无力承担的支出时，所谓自由选择不过是形式上的自由。

差异化定价反映的可能是资源不平等，而非行为选择的差异。

津加莱斯的研究超越了单纯的不平等诊断。监管俘获可能将收益集中于行业部分参与者，同时使低收入人群面临差异化定价的风险。一个运转正常的竞争性市场要求所有参与者遵循相同的规则。设备获取机会不平等，在形式上相同的规则下可能产生实质上不平等的结果。

集体数据与私人数据：两种对立逻辑

美国心脏协会2026年的一项研究表明，一款实验性手环在临床环境下有可能检测到心脏骤停，并提示更快速介入的潜力，但该研究并未确立关于改善心律失常检测或缩短救治时间的普遍性结论。这种临床价值是真实的。问题在于：谁从中获益，以及以何种方式组织这一获益。

公共卫生项目收集匿名聚合的生物识别数据，可以支撑流行病学模型、识别特定社区的心血管风险集中区域，并将预防资源引导至最需要的人群。这是公共品逻辑。私人保险项目收集同样的数据——但以个人为单位——用于调整保费，则产生相反效果：它倾向于将价格优惠导向本已具备有利风险特征的投保人。生物识别数据在两种情形下是同一对象，公共或私人用途在适用监管框架不同的条件下，可能产生截然不同的效果。

这与数字治理的核心议题直接相关。正如自动机器人监管框架分析所示，直接涉及人身或个人权利的技术，需要市场本身无法独立构建的民事责任和监管框架。

2030年前：哪些选项仍然开放

两条路径之间的分叉尚未关闭，但监管窗口的有效期有限。2030至2035年间，两种情景轮廓已经清晰，区分它们的信号现在便可测量。

第一种情景：生物识别数据继续被私人平台锁定。在受ACA约束的市场中，保险公司无法利用平台数据对保费进行差异化调整。部分项目提供与活动挂钩的奖励。在相关ACA市场中，缺乏数据不能导致基于健康状况的保费上调；集体项目受特定保护规则约束。

补充医疗保险也覆盖部分低收入Medicare受益人，但这一事实本身并不能证明生物识别数据的分层效应已经影响到这一群体。需要持续观察的信号是：含生物识别数据费率调整条款的合同增长情况，这一数据可由行业监管机构记录。

第二种情景：监管框架将生物识别数据保护范围扩展，并限制其保险用途。部分州已将特定生物识别数据列为敏感数据，但须识别具体的保险监管规则，方可确认其对费率模型的约束效力。欧盟数据保护法规限制基于健康数据、产生法律效果的自动化处理。在美国，只有联邦层面才能建立统一底线。

公共项目补贴分发健康监测设备——前提是数据管理置于公共和非商业控制之下——可从供给侧补充上述监管。已实施此类政策的国家中，高收入与低收入家庭之间的设备普及率差距，是需要追踪的第二个信号。

第一种情景具有惯性优势。保险和健康科技行业的参与者拥有可观资源，并在监管程序中占据稳固位置。第二种情景需要一个目前尚不清晰的政治联盟：卫生监管机构、个人数据保护倡导者和消费者组织，须在诊断上达成共识，再在应对方案上展开分歧。这一诊断——生物识别数据作为私人保险租金——已开始进入美国卫生政策讨论，尤其是围绕将健康数据保护延伸至应用经济的议题。这是一个开口，而非一项保证。

国际比较带来有益的外部压力。GDPR对健康数据处理和完全自动化决策施加严格限制，但并未确立对保险分析的全面禁止。若该规则在未来数年内对欧洲保险机会平等产生可测量的影响，将为”此类监管在经济上不可行”的论点提供一个有据可查的反例。届时，GSMA记录的数字脱节数据，可用于校准公共努力应优先投入何处，以弥合接入差距。

眼下已经明确的是：缺乏监管框架可能导致含生物识别数据费率调整条款的合同持续增多。选择的窗口仍然开着，但随着此类模式逐步嵌入市场，窗口正在收窄。

来源

1. GSMA，《2026年移动连接状况》，via Telefónica Communication Room：https://www.telefonica.com/en/communication-room/blog/coverage-usage-gsma-state-mobile-connectivity-2026/
2. Luigi Zingales，关于监管俘获与政治资本主义的研究，ProMarket（斯蒂格勒中心，芝加哥大学布斯商学院）：https://promarket.org/contributor/luigi-zingales/
3. 美国心脏协会，关于持续生物识别监测与心律失常检测的研究，2025-2026年（发表于《循环》及《美国心脏协会杂志》，无可直接核实的URL）
4. John Hancock，Vitality项目与基于活动数据的人寿保险（2018年公开声明，无可直接核实的URL）
5. UnitedHealthcare，Motion项目与基于体力活动数据的保费调整（行业文献）