چگونه هوش مصنوعی هزینه های پزشکی را به مرز ۱ میلیارد دلار نزدیک کرد؟

در سال‌های اخیر، بیمارستان‌ها و مراکز درمانی به شکل گسترده‌ای به سمت استفاده از ابزارهای هوش مصنوعی سوق پیدا کرده‌اند. هدف اصلی از به‌کارگیری این فناوری‌ها در ابتدا، افزایش سرعت اداری، بهبود دقت تشخیص‌های پزشکی، کاهش خطاهای انسانی و بهینه‌سازی فرایندهای مالی و مالیاتی بوده است. یکی از مهم‌ترین بخش‌هایی که ابزارهای الگوریتمی در آن وارد شده‌اند، سیستم‌های «کدگذاری پزشکی» و مدیریت صورت‌حساب‌های بیمه است؛ نرم‌افزارهایی که با آنالیز خودکار پرونده‌های بیماران، کد‌های تشخیصی متناسب را استخراج کرده و درخواست‌های پرداخت بیمه را بازنویسی و بازآفرینی می‌کنند.

 

با این حال، ورود هوش مصنوعی به حوزه مالی درمان، چالش‌های جدید و نامنتظره‌ای ایجاد کرده است. در حالی که انتظار می‌رفت الگوریتم‌ها باعث شفافیت و کاهش هزینه‌های مازاد شوند، در عمل به ابزاری قدرتمند برای «بهینه‌سازی حداکثری صورت‌حساب‌ها» تبدیل شده‌اند. بیمارستان‌ها با استفاده از این الگوریتم‌های هوشمند، کوچک‌ترین و جزئی‌ترین عوارض یا شرایط جانبی بیماران را در فرم‌های بیمه ثبت می‌کنند تا بتوانند بالاتری سطح پرداختی را از شرکت‌های بیمه‌گر دریافت کنند؛ فرآیندی که گاهی مرز میان «دقت بالا در ثبت اطلاعات» و «بزرگ‌نمایی پرونده‌های پزشکی» را پرمی‌کند.

 

بر اساس تحلیلی که توسط انجمن «بلوی کراس بلو شیلد» (Blue Cross Blue Shield) منتشر شده است، استفاده مراکز درمانی و بیمارستان‌ها از ابزارهای مبتنی بر هوش مصنوعی در زمان ثبت پرونده‌ها و ادعاهای بیمه‌ای، ظرف یک دوره دو ساله باعث جهش بی‌سابقه ۹۴۲ میلیون دلاری در هزینه‌های نظام سلامت و مراقبت‌های بهداشتی شده است. این سیستم‌های نرم‌افزاری توانسته‌اند با اسکن عمیق پرونده‌ها، شدت بیماری‌ها و پیچیدگی وضعیت بیماران را بسیار بیشتر از گذشته مستندسازی کنند.

در نتیجه، استفاده از این ابزارها می‌تواند از یک سو به ثبت دقیق‌تر وضعیت بیماران، کاهش خطاهای انسانی و شناسایی بهتر نیازهای درمانی کمک کند، اما از سوی دیگر احتمال افزایش هزینه‌های ثبت‌شده و پیچیده‌تر شدن فرآیندهای بیمه‌ای را نیز به همراه دارد. هنگامی که هوش مصنوعی شدت بیماری یا ریسک‌های درمانی را با جزئیات بیشتری آشکار می‌کند، ممکن است خدمات و منابع بیشتری برای بیمار ضروری تشخیص داده شود و هزینه نهایی مراقبت افزایش یابد. بنابراین، بهره‌گیری از این فناوری باید همراه با نظارت انسانی، استانداردهای شفاف و ارزیابی مستمر پیامدهای مالی و درمانی آن باشد تا دقت بیشتر در مستندسازی به افزایش غیرضروری هزینه‌ها منجر نشود.

 

نکته کلیدی و نگران‌کننده در این تحلیل، وجود یک گسست و ناهماهنگی عمیق میان «کدگذاری پزشکی» و «کیفیت خدمات ارائه‌شده» است. انجمن بلوی کراس بلو شیلد تاکید می‌کند که اگرچه گزارش‌های مالی و مستندات سیستم نشان‌دهنده بستری شدن بیماران با شرایط بالینی پیچیده‌تر است، اما در واقعیت هیچ شواهد و مدرکی مبنی بر تغییر ملموس در سطح کیفیت خدمات، نوع درمان یا افزایش ساعات مراقبت از بیماران مشاهده نمی‌شود. به عبارت دیگر، بیماران همان درمان‌های همیشگی را دریافت کرده‌اند، اما به لطف هوش مصنوعی، پرونده آن‌ها «گران‌تر» ثبت شده است.

 

روزنامه «نیویورک تایمز» در گزارشی با استناد به این داده‌ها آورده است که هوش مصنوعی نه تنها هزینه‌ها را کاهش نداده، بلکه به موتور محرک تورم در بخش مراقبت‌های بهداشتی تبدیل شده است. تقابل مالی میان شرکت‌های بیمه‌گر و مراکز درمانی سابقه‌ای طولانی دارد؛ اما الگوریتم‌ها اکنون شتاب‌دهنده این چالش شده‌اند. امروزه بیمارستان‌ها از هوش مصنوعی برای استخراج حداکثر کدهای قابل دریافت استفاده می‌کنند و در مقابل، شرکت‌های بیمه نیز به الگوریتم‌های هوش مصنوعی متوسل می‌شوند تا درخواست‌های پرداخت را بررسی، رد یا لغو کنند.

این رقابت الگوریتمی می‌تواند فرآیند پرداخت هزینه‌های درمان را پیچیده‌تر کرده و اختلاف میان بیمه‌گران و مراکز درمانی را افزایش دهد. در چنین شرایطی، پزشکان و کارکنان اداری ممکن است زمان بیشتری را صرف اصلاح کدها، تهیه مستندات تکمیلی و اعتراض به تصمیم‌های خودکار کنند؛ زمانی که می‌توانست صرف رسیدگی مستقیم به بیماران شود. ازاین‌رو، استفاده مسئولانه از هوش مصنوعی در نظام سلامت باید بر شفافیت تصمیم‌گیری، امکان بررسی انسانی، حمایت از حقوق بیماران و جلوگیری از رد خودکار و ناعادلانه مطالبات استوار باشد.

 

شیو رائو (Shiv Rao)، بنیان‌گذار استارت‌آپ فناوری‌های بیمه‌ای Abridge، با هشدار نسبت به این روند می‌گوید: «اگر این مسیر ادامه یابد، به آینده‌ای تاریک و دیستوپیایی دست خواهیم یافت؛ سناریویی که در آن ربات‌ها و عامل‌های هوش مصنوعی بیمارستان‌ها و بیمه‌ها وارد یک جنگ مداوم و خودکار با یکدیگر می‌شوند تا صورت‌حساب‌ها را کم یا زیاد کنند.» با این حال، وی یادآور می‌شود که اگر از این فناوری به درستی و تحت نظارت ساختاریافته استفاده شود، هنوز پتانسیل کاهش اصطکاک‌های اداری و هزینه‌ها را خواهد داشت.

 

در همین راستا، یکی از مدیران ارشد انجمن بلوی کراس بلو شیلد با رد تعبیر «نبرد پایاپای» میان بیمه و بیمارستان خاطرنشان کرد که وضعیت موجود را نمی‌توان یک نبرد دوطرفه متوازن نامید، بلکه این روند بیشتر شبیه به یک «کارزار فشار یک‌جانبه» از سوی سیستم‌های مالی بیمارستانی است که در آن شرکت‌های بیمه‌گر و به تبع آن مصرف‌کنندگان نهایی (بیماران)، بازندگان اصلی افزایش هزینه‌ها هستند.