Το AI στη νοσοκομειακή χρέωση υποτίθεται ότι θα έκανε ένα από τα πιο γραφειοκρατικά κομμάτια της υγείας ταχύτερο και ακριβέστερο. Μια νέα ανάλυση από την Blue Cross Blue Shield Association, όμως, υποστηρίζει ότι μπορεί να έχει και μια πολύ διαφορετική συνέπεια: ακριβότερους λογαριασμούς.
Σύμφωνα με τα στοιχεία της BCBSA, η αυξανόμενη χρήση AI εργαλείων για medical coding συνδέεται με περίπου 942 εκατ. δολάρια επιπλέον δαπανών για τις εταιρείες Blue Cross και Blue Shield μέσα σε δύο χρόνια, από το 2023 έως το 2025. Ο ασφαλιστικός οργανισμός υποστηρίζει ότι όλο και περισσότεροι ασθενείς καταγράφονται ως πιο «σύνθετες» περιπτώσεις, χωρίς να εμφανίζεται αντίστοιχη αύξηση στη θεραπεία που πραγματικά λαμβάνουν.
Πώς ένα diagnosis μπορεί να κάνει τον λογαριασμό ακριβότερο
Η χρέωση των αμερικανικών νοσοκομείων βασίζεται σε μεγάλο βαθμό σε κωδικούς που περιγράφουν τη διάγνωση, τη σοβαρότητα της περίπτωσης και τις υπηρεσίες που παρασχέθηκαν.
Ένα επιπλέον diagnosis μπορεί να έχει μεγάλη οικονομική σημασία.
Αν, για παράδειγμα, ένας ασθενής εισαχθεί για σοβαρή χειρουργική επέμβαση αλλά καταγραφεί παράλληλα και μια δευτερεύουσα επιπλοκή, μπορεί να μετακινηθεί σε διαφορετική κατηγορία DRG με υψηλότερη αποζημίωση.
Εδώ ακριβώς μπαίνει το AI στη νοσοκομειακή χρέωση.
Τα σύγχρονα συστήματα μπορούν να σαρώσουν εργαστηριακές εξετάσεις, ιατρικές σημειώσεις και ηλεκτρονικούς φακέλους και να εντοπίσουν diagnoses που ένας ανθρώπινος coder ενδεχομένως να μην είχε προσθέσει.
Αυτό μπορεί να σημαίνει ακριβέστερη καταγραφή της πραγματικής κατάστασης του ασθενούς.
Μπορεί όμως επίσης να σημαίνει περισσότερες περιπτώσεις που μπαίνουν σε ακριβότερες κατηγορίες αποζημίωσης.
Από 37% σε 40% οι «σύνθετες» περιπτώσεις
Η BCBSA διαπίστωσε ότι το ποσοστό των νοσηλειών που χαρακτηρίζονταν ως ιατρικά σύνθετες αυξήθηκε περίπου από 37% στις αρχές του 2023 σε 40% μέχρι το τέλος του 2025.
Το μεγαλύτερο μέρος της πρόσθετης δαπάνης φαίνεται να συνδέεται με secondary diagnoses.
Περίπου το 70% των επιπλέον 942 εκατ. δολαρίων – περισσότερα από 650 εκατ. – αποδόθηκε σε περιπτώσεις όπου μια δεύτερη διάγνωση ανέβασε τη νοσηλεία σε υψηλότερη κατηγορία αποζημίωσης.
Ένα παράδειγμα που εξετάστηκε ήταν η αναιμία μετά από σοβαρές χειρουργικές επεμβάσεις.
Η BCBSA αναφέρει ότι είδε σημαντικά περισσότερες διαγνώσεις αναιμίας χωρίς αντίστοιχη αύξηση σε θεραπείες που θα περίμενε κανείς, όπως μεταγγίσεις αίματος.
Για τον ασφαλιστικό οργανισμό, αυτή η απόσταση ανάμεσα στο coding και στη θεραπεία αποτελεί ένδειξη ότι τα εργαλεία εντοπίζουν περισσότερες χρεώσιμες καταστάσεις και όχι απαραίτητα πιο βαριά περιστατικά.
Τα νοσοκομεία διαφωνούν
Υπάρχει όμως και μια εντελώς διαφορετική ανάγνωση.
Η American Hospital Association υποστηρίζει ότι οι ισχυρισμοί περί AI-driven upcoding δεν αποδεικνύουν αιτιώδη σχέση.
Τα νοσοκομεία σημειώνουν ότι ο πληθυσμός γερνά, τα χρόνια νοσήματα αυξάνονται και ένα μεγαλύτερο μέρος των απλούστερων περιστατικών αντιμετωπίζεται πλέον εκτός νοσοκομείου.
Αυτό σημαίνει ότι οι ασθενείς που τελικά νοσηλεύονται μπορούν πράγματι να είναι πιο σύνθετες περιπτώσεις.
Παράλληλα, το AI στη νοσοκομειακή χρέωση μπορεί απλώς να βρίσκει προβλήματα που υπήρχαν ήδη στον ιατρικό φάκελο αλλά προηγουμένως δεν καταγράφονταν σωστά στους billing codes.
Από αυτή την οπτική, η αύξηση της αποζημίωσης δεν είναι απαραίτητα «φούσκωμα», αλλά διόρθωση προηγούμενου undercoding.
Το πρόβλημα είναι ότι και οι ασφαλιστές χρησιμοποιούν AI
Η κατάσταση γίνεται ακόμη πιο περίπλοκη επειδή το AI δεν βρίσκεται μόνο στην πλευρά των νοσοκομείων.
Οι ασφαλιστικές εταιρείες χρησιμοποιούν επίσης automation και machine learning για να ελέγχουν claims, να εντοπίζουν πιθανές υπερχρεώσεις, να ζητούν πρόσθετη τεκμηρίωση ή να απορρίπτουν αιτήματα πληρωμής.
Έτσι δημιουργείται ένα περίεργο τεχνολογικό arms race.
Το ένα AI προσπαθεί να εξασφαλίσει ότι ένα νοσοκομείο θα πληρωθεί για κάθε diagnosis που μπορεί να τεκμηριωθεί.
Το άλλο προσπαθεί να αποφασίσει αν ο συγκεκριμένος κωδικός και η αντίστοιχη αποζημίωση δικαιολογούνται.
Ο ιδρυτής της Abridge, Shiv Rao, έχει περιγράψει το ακραίο σενάριο ως έναν κόσμο με «bots εναντίον bots» και «agents εναντίον agents».
Η ειρωνεία είναι ότι μια τεχνολογία που υποτίθεται ότι θα μειώσει τη γραφειοκρατία μπορεί τελικά να αυτοματοποιήσει και τις δύο πλευρές μιας ήδη περίπλοκης οικονομικής σύγκρουσης.
Τα 942 εκατ. δολάρια χρειάζονται προσοχή
Το ποσό είναι εντυπωσιακό, αλλά δεν πρέπει να διαβαστεί ως οριστική απόδειξη ότι το AI πρόσθεσε μόνο του 942 εκατ. δολάρια στον αμερικανικό λογαριασμό υγείας.
Η ανάλυση προέρχεται από την ίδια την BCBSA – δηλαδή από την πλευρά των ασφαλιστών – και βασίζεται σε patterns των claims.
Δείχνει ισχυρή συσχέτιση ανάμεσα στην αύξηση του coding intensity, στη διάδοση των AI εργαλείων και στις υψηλότερες αποζημιώσεις.
Δεν αποδεικνύει από μόνη της ότι κάθε πρόσθετη διάγνωση ήταν περιττή ή ότι το AI ήταν η μοναδική αιτία.
Αυτό είναι ιδιαίτερα σημαντικό σε έναν κλάδο όπου νοσοκομεία και ασφαλιστικές διαφωνούν εδώ και δεκαετίες για το τι ακριβώς πρέπει να πληρώνεται.
Το AI δεν εξαφανίζει το πρόβλημα – το κάνει ταχύτερο
Το πραγματικά ενδιαφέρον στοιχείο είναι ότι το AI στη νοσοκομειακή χρέωση μπορεί να αλλάζει την κλίμακα της αντιπαράθεσης.
Ένας ανθρώπινος coder έχει περιορισμένο χρόνο για να ψάξει έναν φάκελο. Ένα AI μπορεί να εξετάσει κάθε εργαστηριακή τιμή, κάθε σημείωση και κάθε πιθανό diagnosis.
Αντίστοιχα, ένας ασφαλιστικός AI agent μπορεί να ελέγξει τεράστιους αριθμούς claims για πιθανές αποκλίσεις.
Η τεχνολογία μπορεί τελικά να μειώσει τη γραφειοκρατία, αν οι δύο πλευρές καταφέρουν να συμφωνήσουν σε κοινούς κανόνες και κλινικά τεκμήρια. Αλλά υπάρχει και το αντίθετο σενάριο.
Νοσοκομεία και ασφαλιστές να χρησιμοποιούν όλο και ισχυρότερα συστήματα για να παράγουν, να αμφισβητούν και να επανεξετάζουν εκατομμύρια claims με μηχανική ταχύτητα.
Και τότε το μέλλον της υγείας δεν θα είναι απλώς γιατροί που χρησιμοποιούν AI για να φροντίζουν καλύτερα τους ασθενείς.
Θα είναι και αλγόριθμοι που διαπραγματεύονται με άλλους αλγορίθμους για το ποιος τελικά θα πληρώσει τον λογαριασμό.
