toni-kurniadi
Teknologi kecerdasan buatan atau AI (Artificial Intelligence) yang dijanjikan mampu menekan pemborosan di sektor kesehatan justru kini berada di pusaran kontroversi baru. Alih-alih membuat layanan medis lebih murah dan efisien, implementasi algoritma canggih di sejumlah rumah sakit di Amerika Serikat diduga ikut mendorong lonjakan biaya perawatan hingga sekitar US$1 miliar atau setara Rp16 triliun. Temuan ini menjadi pukulan bagi narasi bahwa disrupsi digital selalu berujung pada efisiensi.
Isu ini penting bagi siapa pun yang pernah atau akan berurusan dengan rumah sakit. Sebab, apa yang terjadi di negeri dengan ekosistem asuransi kesehatan paling kompleks itu kerap menjadi cermin bagi negara lain, termasuk Indonesia yang tengah gencar mengadopsi platform digital di fasilitas kesehatan. Jika tidak diawasi, inovasi yang seharusnya meringankan beban pasien bisa berbalik menjadi mesin penagih otomatis.
Dari Alat Bantu Diagnosis Menjadi Mesin Pengkodean
AI dalam layanan kesehatan sejatinya mencakup banyak hal, mulai dari pembacaan hasil rontgen, prediksi risiko penyakit, hingga sistem administrasi. Nah, persoalan muncul pada kategori terakhir. Sejumlah rumah sakit menggunakan perangkat lunak berbasis machine learning untuk membantu staf administrasi menerjemahkan catatan dokter menjadi kode diagnosis dan prosedur. Kode inilah yang kemudian dikirim ke perusahaan asuransi sebagai dasar pembayaran.
Ibarat seperti penerjemah super cepat, sistem ini membaca riwayat pasien, hasil laboratorium, hingga catatan perawat, lalu memilih kode yang paling rinci dan paling menguntungkan. Semakin detail kode yang diajukan, semakin besar nilai klaim yang bisa ditagih. Di sinilah letak pangkal persoalan: algoritma diarahkan untuk memaksimalkan kelengkapan dokumentasi, bukan semata akurasi klinis.
Asosiasi asuransi kesehatan Blue Cross Blue Shield Association (BCBSA) mencatat bahwa pola pengkodean yang semakin kompleks berkontribusi langsung pada membengkaknya tagihan. Data mereka menunjukkan lonjakan signifikan pada kode diagnosis dengan tingkat keparahan tinggi, bahkan untuk pasien dengan keluhan yang relatif serupa beberapa tahun sebelumnya.
Analogi Restoran dan Struktur Insentif yang Salah Arah
Bayangkan sebuah restoran yang memakai robot pencatat pesanan. Jika robot itu dilatih untuk menambahkan sebanyak mungkin lauk tambahan demi menaikkan nilai transaksi, pelanggan akan membayar lebih besar tanpa merasa kenyang lebih banyak. Itulah gambaran sederhana dari apa yang disebut sebagai upcoding, praktik menaikkan tingkat keparahan diagnosis agar klaim lebih mahal.
Yang membuat situasi ini rumit adalah struktur insentif di dalam ekosistem kesehatan itu sendiri. Rumah sakit dibayar berdasarkan volume dan kompleksitas layanan, sementara perusahaan asuransi berusaha menekan pengeluaran. AI, dalam konteks ini, menjadi alat yang mempercepat ketegangan tersebut. Ia tidak menciptakan masalah dari nol, tetapi memperbesar pola yang sudah ada sejak lama.
"Teknologi ini tidak netral. Ia memperkuat aturan main yang sudah tertanam di sistem," demikian inti kekhawatiran yang sering disuarakan para pengamat kebijakan kesehatan.
Implikasi bagi Pasien dan Masa Depan Adopsi AI
Dampaknya terasa berlapis. Bagi pasien dengan asuransi, tagihan yang membengkak bisa berarti premi tahunan naik, biaya sendiri atau co-pay meningkat, dan risiko klaim ditolak karena dianggap tidak sesuai. Bagi yang membayar mandiri, lonjakan ini langsung menggerus kantong. Bagi rumah sakit, ketergantungan pada sistem otomatis membuat proses audit dan koreksi menjadi jauh lebih rumit karena keputusan tersembunyi di dalam jutaan baris data.
Kabar baiknya, persoalan ini mulai memicu respons. Regulator di beberapa negara bagian mendorong transparansi algoritma, audit berkala terhadap perangkat lunak pengkodean, serta kewajiban dokumentasi yang menyertakan jejak keputusan manusia. Pengembangan AI di bidang kesehatan pun diarahkan ulang agar tidak hanya mengejar efisiensi administratif, tetapi juga akuntabilitas klinis.
Pelajaran bagi Indonesia cukup jelas. Saat platform digital dan sistem rekam medis elektronik kian merambah rumah sakit, fondasi tata kelola harus dibangun lebih dulu. Standar pengkodean diagnosis, mekanisme audit independen, dan kemampuan tenaga medis memahami cara kerja algoritma menjadi kunci. Tanpa itu, inovasi yang katanya untuk efisiensi bisa berubah menjadi beban baru bagi pasien.
Pada akhirnya, AI hanyalah alat. Ia akan sebaik atau seburuk sistem yang menaunginya. Menempatkan manusia sebagai pengambil keputusan akhir, bukan sekadar penandatangan hasil keluaran mesin, adalah cara paling masuk akal agar teknologi benar-benar melayani kesehatan, bukan sekadar tagihan.
Comments (0)