VLOBS.COM – Penggunaan kecerdasan buatan (AI) untuk membantu coding medis di rumah sakit AS diperkirakan berkontribusi pada tambahan biaya hampir US$1 miliar bagi program kesehatan Blue Cross Blue Shield Association (BCBSA) selama 2023 hingga 2025. Dalam analisisnya, BCBSA memperkirakan nilai tersebut mencapai US$942 juta.
Menurut BCBSA, sebagian besar kenaikan berkaitan dengan diagnosis sekunder yang membuat pasien masuk ke kategori penggantian biaya dengan pembayaran lebih tinggi. Asosiasi itu menyebut sejumlah diagnosis dapat diturunkan dari satu hasil laboratorium, sehingga cocok dideteksi oleh perangkat AI.
Luke Chalker, wakil presiden senior produk dan ilmu data BCBSA, mengatakan sekitar 70% dari tagihan yang diidentifikasi, atau US$653 juta, terkait diagnosis tambahan yang tidak disertai perubahan perawatan. Namun, ia tidak menyatakan seluruh kenaikan tersebut disebabkan AI. Temuan itu, menurutnya, menunjukkan perangkat coding dan dokumentasi berbasis AI turut berperan.
BCBSA menyatakan pertumbuhan “complex coding” terjadi pada periode ketika 60% sistem rumah sakit mulai menggunakan perangkat coding AI. Dalam analisisnya, asosiasi tersebut juga menyoroti adanya jarak antara coding dan perawatan yang diberikan.
Baca juga: SpaceX Siapkan Peluncuran Chip AI Google ke Orbit untuk Uji Suncatcher
Christopher Whaley, ekonom kesehatan di Brown University yang meneliti coding rumah sakit, mengatakan AI tampaknya mempercepat kemampuan menangkap insentif penagihan yang sudah ada. Ia mengingatkan bahwa diagnosis tambahan tidak selalu keliru: sebagian memang valid dan sebelumnya belum tercatat. Namun, ada pula kondisi yang tidak memengaruhi perawatan pasien tetapi dapat menambah kode tagihan dan pembayaran.
Chalker mengatakan coding yang lebih kompleks dapat meningkatkan penggantian biaya tanpa penambahan perawatan. Menurutnya, biaya tersebut pada akhirnya bisa muncul dalam bentuk premi dan pengeluaran langsung yang lebih tinggi bagi konsumen. Whaley juga menyebut biaya dalam sistem kesehatan dapat diteruskan kepada konsumen, termasuk melalui premi dan pajak.
Perkiraan terbaru Marsh, firma konsultan tunjangan, menyebut biaya perlindungan kesehatan per karyawan diperkirakan naik rata-rata 8,2% pada 2027. Jika terjadi, kenaikan itu akan menjadi yang tertinggi sejak 2003.
Rumah sakit dan perusahaan asuransi berbeda pandangan
American Hospital Association (AHA) menolak analisis BCBSA. Juru bicara AHA mengatakan pasien saat ini berusia lebih tua dan memiliki kondisi klinis yang lebih kompleks. Menurutnya, perangkat AI membantu penyedia layanan mencatat kondisi pasien secara tepat untuk mendukung perencanaan perawatan. Ia menilai analisis BCBSA tidak memiliki konteks yang cukup untuk mengukur dampaknya terhadap mutu layanan, akses pasien, atau pengeluaran.
Baca juga: Huawei Klaim Pangsa Chip AI Ascend Lampaui Nvidia di China
AHA juga mengkritik praktik penurunan kode dan penolakan klaim otomatis oleh perusahaan asuransi. Juru bicaranya mengatakan praktik tersebut dapat menghambat perlindungan bagi perawatan yang diperlukan secara medis, menambah beban tenaga kerja, dan meningkatkan biaya akibat pemborosan administratif.
Chalker mengatakan perusahaan Blue Cross Blue Shield juga menggunakan AI untuk meninjau klaim. Namun, ia menyebut setiap penolakan klinis selalu ditinjau oleh tenaga klinis yang memenuhi kualifikasi.
Whaley menggambarkan penggunaan perangkat AI oleh rumah sakit dan perusahaan asuransi sebagai potensi “perlombaan senjata administratif”. Menurutnya, teknologi di kedua sisi mahal dan tidak berkaitan langsung dengan pemberian perawatan yang tepat kepada pasien.
Marisa Greenwald, mitra di praktik Health and Life Sciences Oliver Wyman, mengatakan AI sudah membantu sistem kesehatan dan dokter mengurangi pekerjaan administratif. Waktu yang lebih sedikit untuk dokumentasi, menurutnya, dapat memberi dokter lebih banyak kesempatan menemui pasien dan membantu keseimbangan kerja-hidup.
Baca juga: Data Personel Pentagon Dicuri dalam Kebocoran Berbulan-bulan
Greenwald juga mengatakan waktu tambahan untuk menemui pasien dapat meningkatkan volume pasien, sementara coding yang lebih akurat bisa mencatat tingkat keparahan dan komponen diagnosis tambahan sehingga penggantian biaya meningkat. Namun, ia menilai sulit memisahkan dampak dokumentasi yang lebih baik dari faktor lain, termasuk penyalahgunaan, kesalahan pengguna, dan coding berlebihan.
Vanessa Moldovan, penulis “The Healthcare Revenue Cycle AI Playbook” dan kepala strategi RCM di Magical, mengatakan banyak ketegangan dalam coding medis sudah ada sebelum AI. Ia menyebut AI dapat membantu penyedia layanan meninjau lebih banyak catatan dan dokumentasi dengan lebih cepat, tetapi diagnosis harus didukung rekam medis.
Moldovan menolak coding yang sepenuhnya otonom dan mengatakan harus selalu ada manusia dalam prosesnya. Ia juga menilai hasil coding AI perlu diaudit seperti pekerjaan coder manusia. Chalker sependapat bahwa AI semestinya mendukung pengambilan keputusan, bukan menggantikan penilaian manusia.
AI kini digunakan pada beberapa tahap sengketa tagihan: membantu penyedia layanan mendokumentasikan dan memberi kode pada perawatan, membantu perusahaan asuransi memeriksa klaim, serta membantu penyedia layanan mengajukan keberatan atas penolakan klaim. Whaley mengatakan peningkatan pengeluaran masih dapat dinilai bermanfaat jika teknologi itu memperbaiki akses atau mutu layanan. Namun, ia mempertanyakan investasi pada AI yang hanya mengubah posisi tawar tanpa memberi manfaat kepada pasien.
