AI Masuk Dunia Medis, Dampaknya terhadap Biaya Kesehatan Mulai Disorot

Prime Headline – Pemanfaatan AI dalam layanan kesehatan berkembang melampaui fungsi klinis. Teknologi ini tidak hanya membantu membaca citra medis atau merangkum rekam kesehatan. Sejumlah rumah sakit di Amerika Serikat juga menggunakan perangkat berbasis AI untuk membantu mengidentifikasi diagnosis dari dokumentasi pasien. Kemampuan tersebut menawarkan efisiensi, tetapi muncul pertanyaan baru mengenai dampaknya terhadap sistem pembayaran. Blue Cross Blue Shield Association (BCBSA) menyoroti kemungkinan adanya hubungan antara penggunaan teknologi tersebut dan peningkatan penggantian biaya rumah sakit. Temuan itu tidak berarti AI selalu meningkatkan biaya medis. Namun, analisis tersebut menunjukkan bahwa cara teknologi digunakan dalam proses dokumentasi dan pengodean diagnosis perlu diperhatikan secara lebih cermat.

Diagnosis Dapat Memengaruhi Besarnya Pembayaran

Sistem pembayaran rumah sakit di Amerika Serikat memiliki mekanisme yang kompleks. Salah satu faktornya adalah tingkat keparahan kondisi pasien yang tercatat dalam diagnosis. Diagnosis tambahan tertentu dapat memindahkan sebuah kasus ke kategori pembayaran yang lebih tinggi. Oleh sebab itu, dokumentasi medis memiliki konsekuensi finansial. Di sinilah teknologi AI mulai menjadi perhatian. Sistem dapat memindai catatan elektronik untuk menemukan kondisi sekunder yang mungkin belum tercatat secara eksplisit. Dari sisi dokumentasi, kemampuan tersebut dapat membantu menemukan informasi yang terlewat. Namun, dari sisi pembayaran, diagnosis tambahan juga dapat meningkatkan nilai klaim. Karena itu, akurasi dan konteks klinis tetap penting agar teknologi tidak sekadar menghasilkan lebih banyak kategori yang dapat ditagihkan.

Analisis BCBSA Menemukan Kenaikan Pengeluaran

BCBSA menganalisis pola pembayaran pada rumah sakit yang menggunakan teknologi berbasis AI untuk mendukung identifikasi diagnosis sekunder. Menurut asosiasi tersebut, kenaikan penggantian biaya mendekati US$1 miliar selama periode dua tahun menjadi perhatian. Analisis BCBSA juga menyebut sekitar US$650 juta, atau 70 persen dari kenaikan penggantian biaya tertentu antara 2023 hingga 2025, berkaitan dengan diagnosis sekunder yang memindahkan pasien ke kategori pembayaran lebih tinggi. Namun, angka tersebut perlu dibaca sesuai konteks penelitian. Temuan asosiasi perusahaan asuransi tersebut menunjukkan sebuah pola dalam data pembayaran. Temuan itu sendiri belum berarti seluruh peningkatan biaya disebabkan oleh AI atau bahwa diagnosis tambahan tersebut selalu tidak tepat.

Kesenjangan Diagnosis dan Perawatan Menjadi Sorotan

Salah satu bagian menarik dari analisis tersebut adalah perbandingan antara diagnosis yang tercatat dan tindakan medis yang diterima pasien. BCBSA menggunakan anemia sebagai salah satu contoh. Mereka melihat peningkatan pencatatan diagnosis anemia pada rumah sakit yang dianalisis, tetapi tidak menemukan peningkatan transfusi yang sebanding. BCBSA menilai pola tersebut sebagai indikasi bahwa teknologi mungkin menemukan lebih banyak kondisi yang memengaruhi tagihan. Meski demikian, transfusi bukan satu-satunya bentuk penanganan anemia. Pasien dengan anemia juga tidak selalu membutuhkan transfusi. Karena itu, perbandingan tersebut lebih tepat dipandang sebagai sinyal untuk penelitian lebih lanjut, bukan bukti tunggal bahwa sebuah diagnosis tidak memiliki dasar klinis.

AI Bisa Membantu Menemukan Informasi yang Terlewat

Di sisi lain, kemampuan AI membaca data dalam jumlah besar dapat memberikan manfaat. Rekam medis pasien dapat memuat hasil laboratorium, catatan dokter, riwayat penyakit, obat, serta informasi lain. Menelusuri seluruh data secara manual membutuhkan waktu. Sistem AI dapat membantu tenaga kesehatan menemukan informasi yang relevan dengan lebih cepat. Jika sebuah kondisi memang ada tetapi sebelumnya terlewat dalam dokumentasi, pencatatan yang lebih lengkap dapat meningkatkan kualitas informasi medis. Oleh karena itu, persoalannya bukan sekadar apakah AI menemukan lebih banyak diagnosis. Pertanyaan yang lebih penting adalah apakah diagnosis tersebut didukung bukti klinis dan memiliki relevansi terhadap kondisi pasien. Pengawasan manusia tetap diperlukan untuk menjawab pertanyaan tersebut.

Efisiensi dan Insentif Finansial Perlu Dipisahkan

Teknologi yang mampu mempercepat dokumentasi tidak otomatis menjadi masalah. Namun, situasi menjadi lebih rumit ketika hasil dokumentasi berhubungan langsung dengan nilai pembayaran. Sistem rumah sakit memiliki insentif untuk mencatat kondisi pasien secara lengkap. Sementara itu, perusahaan asuransi berkepentingan memastikan pembayaran sesuai layanan dan ketentuan yang berlaku. Karena itu, penggunaan AI dalam layanan kesehatan berada di tengah dua kepentingan tersebut. Jika algoritma digunakan dengan tepat, teknologi dapat membantu meningkatkan akurasi administrasi. Sebaliknya, jika hasil AI diterima tanpa pemeriksaan memadai, potensi perbedaan interpretasi dapat meningkat. Transparansi mengenai cara sistem bekerja menjadi semakin penting.

Dampak Biaya Bisa Menjangkau Pasien

Perselisihan pembayaran antara rumah sakit dan perusahaan asuransi bukan fenomena baru di Amerika Serikat. Namun, otomatisasi dapat meningkatkan skala dan kecepatan proses administrasi. Jika nilai klaim meningkat secara luas, perusahaan asuransi dapat menghadapi pengeluaran yang lebih tinggi. Dalam jangka panjang, perubahan biaya pada sistem kesehatan dapat memengaruhi banyak pihak. Premi, kontribusi pemberi kerja, pengeluaran pemerintah, dan biaya yang ditanggung pasien merupakan bagian dari ekosistem yang saling berkaitan. Meski begitu, hubungan antara klaim rumah sakit dan premi konsumen tidak berlangsung secara sederhana atau langsung. Banyak faktor lain ikut menentukan biaya kesehatan. Oleh sebab itu, AI sebaiknya dipandang sebagai salah satu variabel baru dalam sistem yang memang sudah kompleks.

Rumah Sakit dan Asuransi Sama-Sama Menggunakan Teknologi

Perkembangan berikutnya dapat menjadi semakin menarik karena AI tidak hanya digunakan oleh penyedia layanan kesehatan. Perusahaan asuransi juga memanfaatkan otomatisasi untuk berbagai proses administratif dan analisis klaim. Akibatnya, satu sistem dapat membantu menyusun dokumentasi, sedangkan sistem lain menilai informasi tersebut. Kondisi ini memunculkan kekhawatiran tentang kemungkinan terjadinya perlombaan otomatisasi. Namun, skenario tersebut bukan satu-satunya arah perkembangan. Teknologi juga dapat digunakan untuk mengurangi pekerjaan administratif, menemukan kesalahan, dan mempercepat komunikasi. Hasil akhirnya sangat bergantung pada desain sistem, aturan, serta pengawasan yang diterapkan oleh manusia.

Validasi Manusia Tetap Menjadi Bagian Penting

AI dapat mengolah informasi dengan cepat, tetapi keputusan medis dan administratif tetap membutuhkan konteks. Sebuah istilah dalam rekam medis dapat memiliki arti berbeda bergantung pada kondisi pasien. Begitu pula dengan hasil laboratorium yang tidak selalu cukup untuk menetapkan diagnosis secara mandiri. Oleh sebab itu, keluaran sistem perlu diverifikasi oleh tenaga yang memiliki kompetensi. Pengawasan juga penting untuk mengidentifikasi pola kesalahan algoritma. Selain itu, rumah sakit dan perusahaan teknologi perlu memiliki mekanisme audit yang jelas. Dengan pendekatan tersebut, AI dapat berfungsi sebagai alat pendukung tanpa menggantikan penilaian profesional yang dibutuhkan dalam proses klinis.

Masa Depan AI Kesehatan Ditentukan Cara Penggunaannya

Perdebatan mengenai AI dalam layanan kesehatan menunjukkan bahwa inovasi tidak hanya membawa persoalan teknis. Teknologi juga bersentuhan dengan biaya, regulasi, etika, dan kepercayaan pasien. Temuan BCBSA memberi alasan untuk meneliti lebih jauh hubungan antara otomatisasi dokumentasi dengan pola pembayaran rumah sakit. Namun, teknologi yang sama juga berpotensi membantu tenaga medis mengelola informasi secara lebih efisien. Karena itu, pertanyaan utama bukan apakah AI harus digunakan atau ditinggalkan. Hal yang lebih relevan adalah bagaimana sistem tersebut divalidasi, diawasi, dan ditempatkan dalam proses pelayanan. Jika transparansi dan pengawasan berjalan baik, manfaat teknologi dapat dikembangkan tanpa mengabaikan risiko finansial maupun kepentingan pasien.