AI di Rumah Sakit Dituding Picu Tagihan Pasien Makin Mahal

Bayangkan Anda masuk rumah sakit untuk keluhan sederhana, lalu pulang membawa tagihan yang jauh lebih besar dari perkiraan. Fenomena ini kini menjadi sorotan di industri kesehatan Amerika Serikat (AS), bukan karena obat atau tindakan medis yang bertambah, melainkan karena peran AI (Artificial Intelligence/kecerdasan buatan) dalam proses administrasi rumah sakit. Sebuah laporan terbaru menuding teknologi ini berkontribusi pada kenaikan biaya layanan kesehatan hingga US$1 miliar atau sekitar Rp16 triliun. Bagi pasien, angka itu berarti premi asuransi yang naik, kantong yang terkuras, dan akses layanan yang makin berat.

Ibarat seperti mesin kasir pintar di supermarket, AI di rumah sakit bertugas membaca catatan medis, menentukan kode diagnosis, lalu menerjemahkannya menjadi tagihan. Masalahnya, mesin ini dirancang untuk menemukan sebanyak mungkin rincian layanan yang bisa ditagih, bukan semata-mata memastikan pasien mendapat perawatan paling efisien. Alih-alih menjadi alat penghemat, algoritma tersebut justru berpotensi memperbesar total tagihan melalui praktik yang dikenal sebagai upcoding, yaitu pengkodean diagnosis yang lebih kompleks ketimbang kondisi pasien sesungguhnya.

Bagaimana AI Bisa Memperbesar Tagihan?

Inti persoalan terletak pada cara AI memproses data klinis. Sistem machine learning (pembelajaran mesin) dilatih memakai jutaan rekam medis historis. Dari pola itu, algoritma belajar bahwa kode diagnosis tertentu menghasilkan pembayaran lebih tinggi dari perusahaan asuransi. Ketika model diterapkan pada catatan pasien baru, sistem cenderung memilih kode paling menguntungkan, bahkan bila gejalanya tergolong ringan. Inilah yang oleh sejumlah pengamat disebut pengkodean kompleks akibat AI.

Asosiasi asuransi kesehatan besar di AS, BCBSA (Blue Cross Blue Shield Association), mencatat lonjakan signifikan pada pengkodean semacam itu. Temuan mereka menunjukkan korelasi langsung antara penggunaan AI administratif di rumah sakit dan naiknya nilai klaim yang diajukan. Dampaknya berantai: asuransi menanggung biaya lebih besar, lalu menaikkan premi tahunan, dan akhirnya pasien yang menanggung beban. Bagi keluarga berpenghasilan menengah, kenaikan premi bisa berarti pilihan sulit antara membayar asuransi atau memenuhi kebutuhan lain.

Dilema Adopsi Teknologi di Ekosistem Kesehatan

Sebenarnya, AI bukanlah musuh. Dalam ranah klinis, teknologi ini terbukti mempercepat deteksi penyakit, membaca hasil radiologi, hingga memprediksi risiko pasien. Pengembangan AI juga membuka peluang efisiensi operasional, misalnya mengatur jadwal dokter dan mengelola stok obat. Namun, ketika tujuan utamanya bergeser dari kesembuhan pasien ke optimalisasi pendapatan, disrupsi yang muncul justru merugikan pengguna layanan.

Sejumlah pakar menilai akar masalahnya bukan pada algoritma itu sendiri, melainkan pada insentif sistem pembayaran yang mendorong rumah sakit mengejar klaim maksimal. AI hanya mempercepat dan memperbesar skala praktik yang sudah ada. Tanpa regulasi yang mengawasi bagaimana algoritma dipakai dalam pengkodean, potensi penyalahgunaan akan terus tumbuh seiring meluasnya implementasi teknologi ini di fasilitas kesehatan.

Perbandingan Dampak dan Apa Artinya bagi Pasien

Untuk memahami besarnya persoalan, penting melihat perbandingan sederhana antara AI untuk kebutuhan klinis dan AI untuk kebutuhan administratif.

Data BCBSA menyebut potensi pembengkakan mencapai US$1 miliar, angka yang jika dirupiahkan setara lebih dari Rp16 triliun. Bagi industri asuransi, ini adalah sinyal bahaya. Bagi rumah sakit, ini tantangan untuk menjaga integritas sambil tetap berinovasi. Bagi pasien, ini pengingat bahwa setiap lompatan teknologi di sektor kesehatan harus diawasi dengan cermat.

"Teknologi seharusnya menurunkan beban pasien, bukan menambahnya. Pengawasan algoritma sama pentingnya dengan pengawasan obat dan alat medis," demikian inti peringatan para pengamat kebijakan kesehatan.

Ke depan, solusinya bukan menolak AI, melainkan membangun tata kelola yang transparan. Audit algoritma, standar pengkodean berbasis bukti klinis, dan pengawasan independen menjadi kunci. Tanpa itu, pasien berisiko membayar mahal untuk teknologi yang seharusnya membuat layanan kesehatan lebih adil dan terjangkau. Inovasi tetap perlu, tetapi orientasinya harus kembali kepada manusia yang dilayani, bukan sekadar angka di laporan keuangan.