Biaya Kesehatan Meroket Karena AI menimbulkan keprihatinan di kalangan profesional medis dan asuransi, karena peningkatan pengeluaran yang signifikan tidak selalu berbanding lurus dengan perawatan pasien yang lebih intensif. Data terbaru dari Blue Cross Blue Shield Association (BCBSA) menunjukkan bahwa dalam dua tahun terakhir, pengeluaran asuransi untuk rumah sakit melonjak hampir US$1 juta, setara dengan Rp17,9 miliar. Peningkatan ini menimbulkan pertanyaan penting mengenai peran teknologi cerdas dalam penentuan tingkat keparahan diagnosis dan dampaknya pada sistem reimburse.
Perkembangan Data dan Metodologi Penilaian
BCBSA melakukan analisis terhadap transaksi asuransi yang mencakup pengeluaran untuk rumah sakit di seluruh negeri. Metode yang digunakan menilai biaya berdasarkan tingkat keparahan diagnosis pasien, di mana semakin tinggi kategori keparahan, semakin besar reimbursement yang harus dibayarkan oleh asuransi. Dalam prakteknya, rumah sakit sering menggunakan sistem berbasis AI untuk meninjau hasil laboratorium, rekam medis elektronik, dan data diagnostik lainnya. Menurut senior vice president bagian produk dan data sains BCBSA, Luke Chalker, “AI mengidentifikasi lebih banyak kondisi yang dapat ditagih, bukan pasien yang lebih sakit.”
Hasil analisis menyoroti bahwa 70 persen atau US$650 juta dari peningkatan biaya BCBS antara tahun 2023 dan 2025 disebabkan oleh diagnosis sekunder yang memindahkan pasien ke tingkat keparahan lebih tinggi. Diagnosis sekunder ini sering kali tidak disertai dengan perawatan tambahan yang sesuai, seperti transfusi darah pada kasus anemia yang dilaporkan meningkat secara signifikan tanpa peningkatan transfusi yang sebanding.
Peran AI dalam Penentuan Tingkat Keparahan Diagnosis
AI menjadi alat utama bagi 60 persen sistem rumah sakit dalam mengidentifikasi diagnosis sekunder. Algoritma ini menganalisis pola data yang mungkin tidak terdeteksi oleh manusia, sehingga dapat menandai kondisi tambahan pada pasien. Namun, ketika diagnosis sekunder ini secara otomatis meningkatkan kategori keparahan, sistem reimbursement akan menyesuaikan jumlah pembayaran. Proses ini dapat menghasilkan “tanda tangan” diagnosis yang lebih tinggi dari kondisi nyata pasien.
Karena struktur pembayaran asuransi diatur berdasarkan kategori keparahan, rumah sakit termotivasi untuk memanfaatkan AI guna meningkatkan jumlah tagihan. Meskipun tidak dimaksudkan untuk menimbulkan praktik berlebihan, sistem ini secara tidak langsung mendorong peningkatan biaya. Perbedaan antara diagnosis yang terdeteksi dan perawatan yang sebenarnya diberikan menunjukkan adanya ketidaksesuaian antara data yang dihasilkan oleh AI dan realitas klinis.
Dampak Finansial pada Pasien dan Sistem Kesehatan
Biaya Kesehatan Meroket Karena AI membawa dampak signifikan pada pasien. Peningkatan biaya asuransi dapat diterjemahkan menjadi premi yang lebih tinggi bagi pemegang polis. Selain itu, pasien yang terdiagnosis dengan tingkat keparahan lebih tinggi mungkin mengalami proses klaim yang lebih rumit, memperpanjang waktu tunggu untuk pembayaran dan pengobatan.
Di tingkat rumah sakit, kenaikan biaya reimburse dapat meningkatkan arus kas, namun juga menimbulkan risiko ketidakakuratan dalam pencatatan. Ketika diagnosis sekunder tidak selalu didukung oleh intervensi medis, rumah sakit dapat menimbulkan praktik “coding up” yang memaksimalkan pendapatan. Praktik ini berpotensi menimbulkan audit dan regulasi yang lebih ketat, menambah beban administratif.
Respons Regulasi dan Potensi Reformasi
Regulator kesehatan kini meninjau kembali kebijakan reimbursement yang berbasis pada tingkat keparahan diagnosis. Adanya ketidaksesuaian antara diagnosis dan perawatan menandakan perlunya standar yang lebih ketat dalam verifikasi diagnosis sekunder. Pemerintah dan badan pengatur asuransi dapat memperkenalkan mekanisme audit yang lebih intensif, memeriksa apakah diagnosis sekunder benar-benar memerlukan perawatan tambahan.
Selain itu, kolaborasi antara penyedia teknologi AI dan rumah sakit perlu ditingkatkan untuk memastikan bahwa algoritma yang digunakan tidak hanya akurat secara statistik, tetapi juga relevan secara klinis. Pelatihan staf medis dalam interpretasi hasil AI dapat mengurangi risiko overdiagnosis.
Kesimpulan: Menyeimbangkan Inovasi dan Kewajiban Etika
Biaya Kesehatan Meroket Karena AI menandai tantangan baru dalam sistem kesehatan modern. Meskipun AI menawarkan potensi efisiensi dan akurasi diagnostik, peningkatan biaya yang tidak sebanding dengan perawatan nyata menimbulkan pertanyaan tentang integritas sistem reimbursement. Untuk mengatasi masalah ini, perlu adanya regulasi yang memadai, audit yang transparan, dan kolaborasi lintas disiplin antara teknologi, medis, dan asuransi.
Dengan pendekatan yang holistik, teknologi cerdas dapat tetap menjadi alat pendukung bagi pasien tanpa menimbulkan beban finansial yang tidak perlu. Peningkatan pemahaman tentang bagaimana AI mempengaruhi biaya kesehatan akan membantu semua pihak—dari pasien hingga penyedia layanan—menavigasi lanskap kesehatan yang terus berkembang.
Disclaimer: This article was automatically rewritten by AI based on source: https://www.cnnindonesia.com/teknologi/20260928151453-192-1409086/ai-mulai-bikin-biaya-kesehatan-membengkak-kok-bisa, without altering the facts of the original article.
