O que aconteceu
A Blue Cross Blue Shield Association (BCBSA) analisou dados de sinistros de 2023 a 2025 e relatou um aumento acentuado nos casos em que os hospitais classificaram os pacientes como clinicamente mais complexos. A associação atribui cerca de 942 milhões de dólares em despesas adicionais ao longo de dois anos à disseminação de ferramentas de codificação médica baseadas em IA, com mais de 60% dos sistemas hospitalares dos EUA a utilizarem agora essa tecnologia.
Em 26 de setembro, o TechCrunch informou que a análise do BCBSA dos dados de sinistros abrangendo 2023-2025 mostrou um aumento notável no número de casos em que os hospitais classificaram os pacientes como tendo condições mais complexas. A associação associou esta tendência à crescente adoção de ferramentas de codificação médica baseadas em IA, que podem analisar resultados de testes e registos médicos para identificar diagnósticos adicionais.
O relatório estima que a complexidade acrescida resultou em cerca de 942 milhões de dólares de despesas adicionais ao longo de um período de dois anos. Cerca de 70% deste aumento – mais de 650 milhões de dólares – esteve ligado a diagnósticos secundários, para além do motivo principal de admissão. Esses códigos secundários podem mover os pacientes para grupos de cobrança de maior gravidade, aumentando as taxas de reembolso.
A BCBSA observou que mais de 60% dos sistemas hospitalares dos EUA utilizam agora tecnologia de codificação baseada em IA. No entanto, a associação também enfatizou que não foi confirmada nenhuma alteração correspondente no tratamento efetivamente prestado, tornando difícil atribuir o aumento dos custos apenas à IA.
Observadores do setor, como Shiv Rao, fundador da Abridge, alertaram que poderia surgir uma “corrida à automação”, com hospitais e seguradoras implantando bots que poderiam competir entre si. Rao sugeriu que o uso adequado da IA poderia reduzir o atrito administrativo, mas a implantação descontrolada poderia aumentar os custos.
Detalhes da fonte: digitaltoday.co.kr ↗
Por que isso importa
Se as ferramentas de codificação de IA estiverem de facto a gerar uma maior complexidade de faturação, o impacto dos custos poderá ser substancial para as seguradoras, os pacientes e o sistema de saúde em geral. A análise sugere que a maior parte da despesa adicional – mais de 650 milhões de dólares – provém de diagnósticos secundários que empurram os pacientes para categorias de faturação com reembolsos mais elevados, embora não tenha sido observada nenhuma alteração correspondente no tratamento. Isto levanta questões sobre o papel da IA no aumento dos custos, a necessidade de supervisão da codificação automatizada e potenciais respostas regulamentares para reduzir consequências financeiras indesejadas.
As implicações financeiras são significativas: 942 milhões de dólares adicionais em despesas traduzem-se em prémios mais elevados para as seguradoras e custos diretos potencialmente mais elevados para os pacientes.
A descoberta destaca uma lacuna na supervisão atual das aplicações de IA na administração de cuidados de saúde, onde ferramentas automatizadas podem influenciar a faturação sem uma justificação clínica clara.
Se os diagnósticos secundários gerados pela IA não forem rigorosamente validados, poderão criar incentivos para os hospitais codificarem excessivamente, minando a confiança no sistema de faturação e provocando pedidos de escrutínio regulamentar.
Mecanismo interativo: como realmente funciona
Explore a tecnologia subjacente a este desenvolvimento de forma interativa.
crm_get_transaction(id='4092').Why can ethical evaluation not be reduced to one model score?
O que assistir a seguir
Os decisores políticos podem considerar orientações ou normas para a codificação assistida por IA para garantir a transparência e evitar a faturação excessiva. As seguradoras poderiam reforçar os processos de auditoria para sinistros gerados por IA e os hospitais poderiam adotar verificações internas para verificar se os diagnósticos adicionais refletem os resultados clínicos reais. Serão necessários estudos futuros para isolar o impacto causal da IA versus outras tendências de faturação.
Ação legislativa ou de agência para estabelecer padrões para codificação médica assistida por IA, incluindo requisitos de transparência sobre como os diagnósticos são gerados.
As seguradoras podem aumentar as auditorias de sinistros gerados por IA para verificar se os diagnósticos adicionados refletem descobertas clínicas genuínas.
Os hospitais poderiam implementar processos de validação internos ou adotar ferramentas de verificação de terceiros para garantir que os códigos sugeridos pela IA sejam apropriados.
Mais pesquisas para separar o papel da IA de outros fatores que influenciam a complexidade do faturamento, como mudanças nas diretrizes de codificação ou nas políticas de reembolso.