به گزارش ایران نت، استفاده از هوش مصنوعی در بیمارستانها و فرایندهای اداری حوزه سلامت قرار بود بخشی از هزینهها را کاهش دهد و کار پزشکان و کارکنان درمانی را سادهتر کند، اما یک تحلیل جدید نشان میدهد استفاده از ابزارهای AI برای ثبت و کدنویسی سوابق پزشکی هنگام ارسال مطالبات بیمهای ممکن است نتیجهای متفاوت داشته باشد. طبق تحلیل انجمن Blue Cross Blue Shield، استفاده از این ابزارها طی یک دوره دو ساله با حدود ۹۴۲ میلیون دلار هزینه اضافی در نظام سلامت همراه بوده است.
موضوع اصلی این گزارش به نحوه ثبت شرایط پزشکی بیماران در پروندهها و کدهای مورد استفاده برای ارسال مطالبات بیمهای مربوط میشود. تحلیل انجامشده از سوی Blue Cross Blue Shield Association یا BCBSA نشان میدهد در بیمارستانهایی که از ابزارهای هوش مصنوعی برای کمک به فرایند کدنویسی پزشکی استفاده میشود، تعداد بیمارانی که در سوابق آنها شرایط پیچیدهتر ثبت شده، افزایش محسوسی داشته است.
با این حال، نکته مهم اینجاست که این افزایش در پیچیدگی ثبتشده لزوماً با تغییر مشابه در نوع یا میزان درمان ارائهشده همراه نبوده است. همین موضوع باعث شده شرکتهای بیمه نسبت به تأثیر واقعی ابزارهای هوش مصنوعی بر هزینههای درمان و نحوه ثبت اطلاعات پزشکی ابراز نگرانی کنند.
هوش مصنوعی چگونه میتواند هزینههای درمان را افزایش دهد؟
یکی از کاربردهای مهم هوش مصنوعی در بیمارستانها، کمک به مستندسازی و کدنویسی اطلاعات پزشکی است. این ابزارها میتوانند دادههای موجود در پرونده بیمار را بررسی کنند و به کارکنان در انتخاب کدهای پزشکی مناسب برای ثبت تشخیصها و شرایط بیمار کمک کنند.
در حالت ایدهآل، چنین سیستمی باید باعث کاهش خطا، صرفهجویی در زمان و سادهتر شدن فرایندهای اداری شود. اما اگر یک ابزار هوش مصنوعی باعث شود شرایط پزشکی پیچیدهتری در پرونده بیمار ثبت شود، ممکن است مبلغ قابل مطالبه از شرکت بیمه نیز تغییر کند؛ حتی اگر درمان واقعی بیمار تفاوت قابل توجهی نکرده باشد.
بر اساس تحلیل BCBSA، همین مسئله یکی از عوامل مهم در افزایش هزینههای شناساییشده بوده است. این انجمن از «افزایش شدید» تعداد بیمارانی سخن گفته که در اسناد پزشکی با شرایط پیچیدهتر توصیف شدهاند. در مقابل، این تحلیل به وجود فاصلهای میان کدنویسی پزشکی و درمان واقعی اشاره میکند.
افزایش ۹۴۲ میلیون دلاری هزینهها در دو سال
مهمترین رقم مطرحشده در این گزارش، حدود ۹۴۲ میلیون دلار هزینه اضافی طی یک دوره دو ساله است. این عدد نشاندهنده برآورد اثر اقتصادی استفاده از ابزارهای AI در کدنویسی مطالبات پزشکی است و نباید آن را به معنای ۹۴۲ میلیون دلار خسارت قطعی ناشی از عملکرد خود هوش مصنوعی دانست.
اهمیت این رقم بیشتر از آن جهت است که نشان میدهد حتی تغییرات ظاهراً کوچک در فرایند ثبت و دستهبندی وضعیت بیماران میتواند در مقیاس کلان تأثیر مالی قابل توجهی داشته باشد. صنعت بیمه درمانی روزانه با حجم بسیار زیادی از پروندهها، کدهای تشخیصی و مطالبات پزشکی سروکار دارد و تغییر در نحوه پردازش این اطلاعات میتواند اثر تجمیعی بزرگی ایجاد کند.
در چنین شرایطی، اختلاف میان بیمارستانها و بیمهگران فقط درباره یک کد یا یک پرونده خاص نیست. زمانی که همین الگو در تعداد بسیار زیادی از پروندهها تکرار شود، تفاوتهای کوچک در ثبت شرایط پزشکی میتواند به میلیونها دلار اختلاف در هزینههای پرداختی منجر شود.
ادعای مهم بیمهگران؛ کدنویسی با درمان همخوان نیست
یکی از بخشهای قابل توجه تحلیل Blue Cross Blue Shield این است که افزایش ثبت بیماریها و شرایط پیچیدهتر، با شواهدی از تغییر مشابه در خدمات درمانی همراه نبوده است. به بیان سادهتر، این پرسش مطرح میشود که اگر در پروندههای پزشکی تعداد بیشتری از بیماران بهعنوان افراد دارای شرایط پیچیدهتر ثبت شدهاند، آیا واقعاً درمان آنها نیز پیچیدهتر یا پرهزینهتر شده است؟
BCBSA در تحلیل خود میگوید شواهدی از تغییر متناظر در درمان ارائهشده مشاهده نشده است. این مسئله از دید شرکتهای بیمه اهمیت زیادی دارد؛ زیرا هزینههای پرداختی معمولاً تا حد زیادی به تشخیصها، شرایط ثبتشده و کدهای پزشکی وابسته هستند.
البته این یافته بهتنهایی ثابت نمیکند که بیمارستانها یا پزشکان از هوش مصنوعی برای افزایش عمدی مبالغ دریافتی استفاده میکنند. افزایش دقت مستندسازی نیز میتواند باعث شود برخی شرایطی که پیشتر به شکل ناقص ثبت میشدند، اکنون بهتر شناسایی و مستند شوند. بنابراین، تفاوت میان «مستندسازی دقیقتر» و «افزایش مصنوعی شدت بیماری» یکی از مسائل مهمی است که در این بحث باید مورد توجه قرار گیرد.
چرا استفاده از AI در صنعت بیمه به یک چالش تبدیل شده است؟
ورود هوش مصنوعی به نظام سلامت فقط به بیمارستانها محدود نمیشود. شرکتهای بیمه نیز از الگوریتمها و ابزارهای هوش مصنوعی برای بررسی پروندهها، تحلیل مطالبات، شناسایی الگوها و تصمیمگیری درباره پرداختها استفاده میکنند.
به همین دلیل، یک وضعیت جدید در حال شکلگیری است که در آن دو طرف یک فرایند مالی، یعنی ارائهدهنده خدمات درمانی و شرکت بیمه، ممکن است هر دو از سیستمهای هوش مصنوعی استفاده کنند. بیمارستان میتواند از AI برای مستندسازی و ارسال مطالبات کمک بگیرد و بیمهگر نیز میتواند از الگوریتمها برای بررسی همان مطالبات استفاده کند.
در چنین شرایطی، پیچیدگی فرایند تصمیمگیری بیشتر میشود. اگر سیستم بیمارستان تشخیص یا شرایطی را با جزئیات بیشتری ثبت کند و سیستم بیمه نیز با الگوریتمی دیگر همان پرونده را ارزیابی کند، احتمال افزایش اختلاف میان دو طرف وجود دارد.
سناریوی «رباتها در برابر رباتها»
شیو رائو، بنیانگذار استارتاپ هوش مصنوعی Abridge، درباره آینده چنین روندی هشدار داده است. او از احتمال شکلگیری آیندهای سخن گفته که در آن سیستمهای هوش مصنوعی و عاملهای نرمافزاری در دو سوی فرایندهای درمانی و بیمهای با یکدیگر درگیر میشوند.
این سناریو را میتوان به شکل ساده اینگونه تصور کرد: یک ابزار AI در بیمارستان تلاش میکند پرونده پزشکی را با جزئیات بیشتری مستند کند، در حالی که یک ابزار هوش مصنوعی در شرکت بیمه همان پرونده را بررسی میکند تا هزینههای قابل پرداخت را تعیین یا موارد مشکوک را شناسایی کند.
با افزایش استفاده از عاملهای هوشمند، ممکن است بخشی از تعاملات اداری که پیشتر میان انسانها انجام میشد، به تعامل میان سیستمهای خودکار تبدیل شود. رائو در عین اشاره به خطر چنین آیندهای، احتمال دیگری را نیز مطرح کرده است: استفاده درست از AI میتواند در نهایت به کاهش اصطکاک میان بیمارستانها و بیمهگران و حتی کاهش هزینهها منجر شود.
آیا هوش مصنوعی واقعاً مقصر افزایش هزینههاست؟
پاسخ به این سؤال به این سادگی نیست. تحلیل BCBSA ارتباطی میان استفاده از ابزارهای AI در کدنویسی پزشکی و افزایش هزینههای شناساییشده پیدا کرده است، اما ارتباط آماری یا زمانی الزاماً به معنای اثبات علت و معلول نیست.
برای مثال، ممکن است بیمارستانهایی که سریعتر به سمت استفاده از ابزارهای هوش مصنوعی رفتهاند، از قبل نیز ساختارهای متفاوتی در ثبت پرونده، ترکیب بیماران یا روشهای مدیریت درآمد داشته باشند. همچنین ممکن است بخشی از افزایش هزینهها به روندهای دیگری در سیستم درمانی مربوط باشد.
از سوی دیگر، اگر یک ابزار هوش مصنوعی بتواند جزئیات بیشتری از سوابق بیمار را شناسایی و ثبت کند، ممکن است افزایش تعداد کدهای پیچیدهتر الزاماً به معنای ثبت اشتباه یا سوءاستفاده نباشد. به همین دلیل، برای ارزیابی دقیق اثر هوش مصنوعی بر هزینه درمان باید بررسیهای بیشتری درباره نوع بیماران، نوع درمان، نتایج بالینی و ساختار پرداخت بیمه انجام شود.
نگرانی بیمهگران درباره کدنویسی پزشکی
شرکتهای بیمه سالهاست با بیمارستانها درباره میزان پرداخت، ضرورت درمان و نحوه کدنویسی پزشکی اختلاف دارند. ورود ابزارهای هوش مصنوعی میتواند این اختلافات قدیمی را پیچیدهتر کند.
لوک چالکر، معاون ارشد BCBSA، در توصیف وضعیت موجود از ادبیاتی بسیار تند استفاده کرده و آن را نوعی رقابت نابرابر میان بیمهگران و ارائهدهندگان خدمات درمانی توصیف کرده است. با این حال، اظهارات او دیدگاه یک مقام صنعت بیمه محسوب میشود و نباید آن را بهعنوان نتیجه مستقل درباره عملکرد کل صنعت درمان در نظر گرفت.
مسئله اصلی برای بیمهگران این است که اگر ابزارهای AI باعث افزایش تعداد پروندههایی شوند که در گروههای پرهزینهتر قرار میگیرند، هزینه نهایی پرداختی نیز میتواند افزایش پیدا کند. این مسئله در نهایت ممکن است روی حق بیمه، هزینههای پرداختی بیماران و بودجه کلی نظام سلامت اثر بگذارد.
هوش مصنوعی در سلامت؛ فرصت یا عامل افزایش هزینه؟
هوش مصنوعی همچنان یکی از مهمترین فناوریهای در حال ورود به صنعت سلامت است. از تهیه یادداشتهای پزشکی و خلاصهسازی مکالمات پزشک و بیمار گرفته تا تحلیل تصاویر پزشکی، کشف دارو و مدیریت امور اداری، کاربردهای این فناوری روزبهروز گستردهتر میشود.
هدف بسیاری از این ابزارها کاهش بار کاری کارکنان و جلوگیری از اتلاف زمان در فعالیتهای تکراری است. برای مثال، سیستمهایی مانند Abridge روی مستندسازی مکالمات و تهیه اطلاعات مورد نیاز برای پرونده پزشکی تمرکز دارند. اگر این ابزارها بهدرستی طراحی و نظارت شوند، میتوانند بخشی از کارهای اداری پزشکان را کاهش دهند.
اما افزایش اتوماسیون به این معنا نیست که تمام پیامدهای اقتصادی آن از ابتدا مشخص هستند. هرچه نقش هوش مصنوعی در ثبت اطلاعات و تصمیمگیریهای مرتبط با هزینه بیشتر شود، نیاز به استانداردهای دقیقتر، نظارت انسانی و شفافیت الگوریتمی نیز افزایش پیدا میکند.
شفافیت میتواند کلید حل اختلافات باشد
یکی از راهکارهای مهم برای جلوگیری از تشدید اختلافات، ایجاد سازوکارهای شفاف برای بررسی نحوه استفاده از AI در کدنویسی پزشکی است. بیمارستانها و شرکتهای بیمه باید بتوانند مشخص کنند که یک کد پزشکی چگونه انتخاب شده و چه اطلاعاتی در تصمیمگیری الگوریتمی نقش داشته است.
همچنین نظارت انسانی همچنان اهمیت دارد. حتی اگر یک سیستم هوش مصنوعی بتواند پروندههای پزشکی را با سرعت بالا بررسی کند، تصمیم نهایی درباره صحت اطلاعات و ارتباط آن با وضعیت واقعی بیمار نباید صرفاً بر اساس خروجی یک الگوریتم انجام شود.
در نهایت، بحث فعلی درباره افزایش ۹۴۲ میلیون دلاری هزینهها نشان میدهد که ورود AI به سلامت فقط یک موضوع فنی نیست. این فناوری میتواند بر روابط میان پزشکان، بیمارستانها، شرکتهای بیمه و بیماران نیز تأثیر بگذارد. آینده هوش مصنوعی در سلامت احتمالاً به این بستگی دارد که صنعت تا چه اندازه بتواند میان افزایش بهرهوری، دقت مستندسازی، کنترل هزینه و نظارت انسانی تعادل برقرار کند.
برای اطلاعات بیشتر درباره تازهترین اخبار هوش مصنوعی، فناوری سلامت و تحولات صنعت تکنولوژی به ایران نت مراجعه کنید.
“`
