Искусственный интеллект уже увеличивает расходы здравоохранения: анализ Blue Cross Blue Shield
Ассоциация Blue Cross Blue Shield (BCBSA) представила данные, согласно которым использование больницами инструментов искусственного интеллекта при подаче страховых заявлений привело к дополнительным трем миллиардам долларов расходов в двухлетний период. Исследование выявило резкий рост фиксирования сложных диагнозов у пациентов без соответствующего изменения объема медицинской помощи, что указывает на разрыв между кодировкой и реальным лечением.
# Искусственный интеллект в медицине: парадокс эффективности и растущих расходов
Рынок здравоохранения снова столкнулся с непредвиденными последствиями технологического прогресса. На этот раз в центре внимания не столько обещания автоматизации, сколько реальное влияние алгоритмов на финансовую нагрузку системы. Анализ, проведенный крупнейшей страховой ассоциацией США, выявил тревожную тенденцию: внедрение ИИ в процесс обработки медицинских документов может работать против снижения издержек.
Статистика роста и проблема «ложных диагнозов»
Согласно отчету Blue Cross Blue Shield Association (BCBSA), применение программных решений искусственного интеллекта больницами при оформлении страховых претензий напрямую коррелирует с удорожанием услуг. За двухлетний период совокупные расходы системы увеличились на 942 миллиона долларов исключительно по вине использования данных инструментов.
Ключевая проблема, выявленная исследователями, заключается в изменении практики документирования. Анализ показал резкий рост количества пациентов, у которых в медицинской карте фиксируются сложные хронические состояния. Однако эксперты отмечают критическое несоответствие между количеством таких диагнозов и качеством оказанной помощи. «Существует явный разрыв между медицинским кодированием и реальным лечением», — указывается в исследовании. Данные не свидетельствуют о том, что пациенты получали более интенсивную терапию или сложные вмешательства; изменения касаются лишь бумажной работы.
Это явление часто называют «расширением болезни» за счет алгоритмов. ИИ, обученный на огромных массивах исторических данных, может склонять врачей к выбору более сложных и дорогих кодов МКБ, даже если клиническая картина остается прежней. Для страховой компании это означает повышенный риск выплат, а для пациента — усложнение истории болезни без фактического улучшения здоровья.
Битва алгоритмов и мнение экспертов
Ситуация вызвала острую дискуссию среди игроков индустрии. Газета The New York Times отмечает, что использование ИИ как страховыми компаниями, так и больницами лишь обостряет давние конфликты вокруг тарифов и объемов лечения.
С одной стороны, представители медицинского сообщества понимают риски. Шив Рао, основатель стартапа Abridge, который разрабатывает подобные инструменты для транскрибации и анализа бесед, предупредил о возможных негативных сценариях. Он высказал опасения, что развитие технологий может привести к антиутопической ситуации, где «боты будут сражаться с ботами, агенты с агентами» в бесконечной игре на повышение стоимости услуг.
С другой стороны, позиции внутри страховой индустрии разнятся. Лу Чалкер, заместитель президента BCBSA, категорически отверг идею о том, что в этой ситуации разгорается «война». По его словам, текущая ситуация ближе к односторонней расправе, где проигравшей стороной являются сами страховщики. Это подчеркивает, что проблема заключается не в принципиальной конкуренции систем, а в структурных перекосах, вызванных внедрением технологий без должного регулирования их применения для финансовой отчетности.
Разрыв между цифрами и реальностью
Важно понимать, что искусственный интеллект сам по себе не обладает намерениями увеличить расходы. Он выступает инструментом, эффективность которого зависит от контекста использования. В медицине этот контекст крайне сложен. Если алгоритм помогает врачу быстрее распознать редкое заболевание, его внедрение оправдано. Однако когда ИИ используется преимущественно для автоматизации заполнения формаций и выбора кодов для получения максимальной компенсации, он может стать драйвером инфляции.
Технический термин «клиническая валидность» в данном контексте играет критическую роль. Валидность означает соответствие диагноза реальной клинической картине. Данные BCBSA свидетельствуют о падении валидности кодирования: диагнозы становятся всё сложнее, а доказательства их обоснованности — всё тоньше. Это создает ложную картину эпидемии сложных заболеваний, которая в итоге ложится тяжелым финансовым бременем на плечи населения и государства.
Ситуация иллюстрирует главную дилемму цифровой трансформации в секторе услуг: оптимизация процессов не всегда ведет к экономической эффективности. В здравоохранении, где каждый доллар расходного бюджета имеет прямое отношение к жизни человека, ошибка в алгоритме перерастает в человеческую трагедию. Пока не налажено четкое разделение между инструментами поддержки принятия клинических решений и инструментами финансовой оптимизации, риски дальнейшего роста издержек сохранятся.
Для регуляторов и страховых компаний становится очевидным, что слепо доверять алгоритмам в вопросах ценообразования и классификации услуг нельзя. Необходим баланс, при котором технологии служат для улучшения ухода за пациентом, а не для его финансовой «распаковки» в самых дорогих категориях.