تحلیل جدید انجمن بلو کراس بلو شیلد نشان می‌دهد افزایش استفاده بیمارستان‌ها از ابزارهای هوش مصنوعی برای مستندسازی و کدنویسی پرونده‌های پزشکی، هم‌زمان با افزایش مواردی که به‌عنوان بیماری‌های پیچیده‌تر ثبت می‌شوند، حدود ۹۴۲ میلیون دلار به هزینه‌های پرداخت‌شده توسط طرح‌های این مجموعه در فاصله سال‌های ۲۰۲۳ تا ۲۰۲۵ اضافه کرده است.
با این حال، این رقم به معنی اثبات تخلف یا گران‌فروشی توسط بیمارستان‌ها نیست. انجمن بلو کراس بلو شیلد معتقد است بخشی از افزایش هزینه‌ها با تغییر در نحوه کدنویسی و ثبت تشخیص‌ها ارتباط دارد، در حالی که نمایندگان بیمارستان‌ها می‌گویند بیماران بستری‌شده ممکن است واقعاً پیچیده‌تر و بیمارتر شده باشند.
بر اساس این تحلیل، سهم پرونده‌های بستری که برای اعضای طرح‌های بلو کراس به‌عنوان موارد پزشکی پیچیده ثبت شده‌اند، از حدود ۳۷ درصد در ابتدای سال ۲۰۲۳ به حدود ۴۰ درصد در پایان سال ۲۰۲۵ رسیده است.
حدود ۷۰ درصد از افزایش شدت کدنویسی نیز به بیش از ۵۵ هزار مورد اضافی مربوط می‌شود که در آن‌ها ثبت یک تشخیص ثانویه باعث انتقال پرونده به گروه تشخیصی با شدت بالاتر و در نتیجه پرداخت بیشتر شده است. انجمن بلو کراس بلو شیلد هزینه مرتبط با این موارد را حدود ۶۵۳ میلیون دلار برآورد کرده است.
تشخیص ثانویه به بیماری یا وضعیت پزشکی دیگری گفته می‌شود که در کنار دلیل اصلی بستری‌شدن بیمار در پرونده ثبت می‌شود. طبق توضیحات انجمن بلو کراس بلو شیلد، ابزارهای هوش مصنوعی می‌توانند با بررسی سریع پرونده‌های پزشکی، نتایج آزمایش‌ها و یادداشت‌های بالینی، چنین شرایطی را راحت‌تر شناسایی و برای ثبت در پرونده پیشنهاد کنند.
حتی یک نتیجه آزمایشگاهی می‌تواند در برخی شرایط به شناسایی یک تشخیص ثانویه کمک کند و در نهایت پرونده را در گروهی با هزینه بالاتر قرار دهد.
مشکل اصلی از نگاه بیمه‌گران، تفاوت میان افزایش پیچیدگی ثبت‌شده در پرونده‌ها و میزان مراقبتی است که واقعاً به بیماران ارائه شده است. انجمن بلو کراس بلو شیلد می‌گوید در داده‌های بررسی‌شده، افزایش کدنویسی با افزایش متناسب در درمان همراه نبوده است.
برای نمونه، در برخی عمل‌های عمده روده، سهم پرونده‌هایی که در بالاترین سطح پیچیدگی قرار گرفته‌اند از ۱۰٫۲ درصد به ۲۲٫۷ درصد رسیده، در حالی که شواهد مشابهی از افزایش متناسب شدت درمان مشاهده نشده است.
البته این یافته‌ها به‌تنهایی ثابت نمی‌کنند که هوش مصنوعی باعث ثبت نادرست تشخیص‌ها شده است. تحلیل انجمن بلو کراس بلو شیلد عمدتاً بر داده‌های مطالبات بیمه‌ای متکی است، نه بررسی کامل پرونده‌های پزشکی و قضاوت بالینی درباره تک‌تک بیماران.
انجمن بیمارستان‌های آمریکا نیز با تفسیر انجمن بلو کراس بلو شیلد مخالفت کرده و می‌گوید افزایش شدت بیماری بیماران و بهبود مستندسازی شرایط پزشکی می‌تواند بخشی از این تغییرات را توضیح دهد.
بنابراین مشخص نیست چه مقدار از ۹۴۲ میلیون دلار مستقیماً ناشی از استفاده از ابزارهای هوش مصنوعی بوده و چه مقدار به عوامل دیگری مربوط می‌شود.
در همین حال، ورود هوش مصنوعی به فرایندهای مالی و اداری نظام سلامت، رقابت قدیمی میان بیمارستان‌ها و شرکت‌های بیمه بر سر نحوه ثبت خدمات و میزان پرداخت را وارد مرحله جدیدی کرده است.
بیمارستان‌ها از این ابزارها برای افزایش سرعت و دقت کدنویسی استفاده می‌کنند و معتقدند سیستم‌های هوشمند می‌توانند شرایطی را که پیش‌تر در پرونده‌ها ثبت نمی‌شد، بهتر شناسایی کنند. در طرف مقابل، بیمه‌گران نگران هستند که همین قابلیت به افزایش کدنویسی موارد پیچیده‌تر و در نتیجه افزایش پرداخت‌ها منجر شود.
شیو رائو، بنیان‌گذار شرکت فناوری پزشکی Abridge، نیز درباره شکل‌گیری تقابلی میان سیستم‌های خودکار در دو طرف این فرایند هشدار داده و از احتمال آینده‌ای صحبت کرده است که در آن بات‌ها با بات‌ها و عامل‌ها با عامل‌ها درگیر شوند.
با این حال، او معتقد است استفاده درست از همین فناوری می‌تواند در نهایت به کاهش اصطکاک میان بیمه‌گران و ارائه‌دهندگان خدمات درمانی و پایین آمدن هزینه‌های سلامت کمک کند.
این ماجرا نشان می‌دهد تأثیر هوش مصنوعی بر پزشکی فقط به تشخیص بیماری، کشف دارو یا کمک به پزشکان محدود نمی‌شود. این فناوری اکنون وارد بخش‌هایی مانند مستندسازی، کدنویسی پزشکی و پردازش مطالبات بیمه‌ای نیز شده است.
بخش‌هایی که مستقیماً با هزینه درمان ارتباط دارند. چالش اصلی در این مرحله این است که مشخص شود افزایش دقت و کامل‌تر شدن پرونده‌های پزشکی در چه نقطه‌ای به افزایش واقعی کیفیت مراقبت منجر می‌شود و در چه شرایطی صرفاً مبلغ بیشتری به یک پرونده درمانی اضافه می‌کند.
