AI di Rumah Sakit Dituding Picu Tagihan Pasien Naik US$1 Miliar

Bayangkan Anda masuk rumah sakit untuk prosedur rutin, tetapi tagihan yang datang jauh lebih besar dari perkiraan. Itulah kenyataan yang kini dihadapi banyak pasien di Amerika Serikat (AS), dan teknologi kecerdasan buatan atau AI (Artificial Intelligence) disebut-sebut ikut berperan di balik lonjakan tersebut. Sebuah temuan terbaru mengungkap bahwa sistem AI yang dipakai rumah sakit untuk membantu proses administrasi justru berkontribusi pada kenaikan biaya layanan hingga US$1 miliar atau sekitar Rp16 triliun.

Ini penting bagi siapa pun yang pernah berurusan dengan layanan kesehatan, karena persoalan ini bukan sekadar angka di neraca keuangan rumah sakit, melainkan menyangkut langsung isi dompet pasien. Jika teknologi yang seharusnya membuat layanan lebih efisien malah membuat tagihan membengkak, maka pertanyaannya bukan lagi soal kecanggihan algoritma, tetapi soal siapa yang harus menanggung akibatnya.

Mengapa AI Bisa Membuat Tagihan Membengkak?

Di balik layar, rumah sakit menggunakan perangkat lunak berbasis AI untuk menerjemahkan catatan medis dokter menjadi kode tagihan yang dikirim ke perusahaan asuransi. Proses ini dikenal sebagai pengkodean atau coding, yaitu penentuan kode diagnosis dan tindakan berdasarkan rekam medis pasien. Ibarat seperti seorang penerjemah yang mengubah bahasa dokter menjadi bahasa administrasi, AI diminta melakukan pekerjaan itu dengan cepat dan konsisten.

Namun, masalah muncul ketika algoritma tersebut cenderung memilih kode yang lebih rumit dan bernilai tinggi. Alih-alih memilih kode sederhana yang sesuai, sistem bisa memilih kombinasi kode kompleks yang secara legal memang menggambarkan kondisi pasien, tetapi berdampak pada tagihan yang lebih mahal. Asosiasi asuransi kesehatan Blue Cross Blue Shield Association (BCBSA) mencatat bahwa praktik pengkodean kompleks yang dipercepat oleh AI menjadi salah satu pemicu utama kenaikan klaim.

Dalam dunia medis, kode yang lebih spesifik memang bisa lebih akurat. Tetapi ketika akurasi itu dipakai untuk memaksimalkan pembayaran, batas antara ketepatan klinis dan upaya menaikkan pendapatan menjadi kabur. Inilah yang membuat para pengamat menyebut fenomena ini sebagai disrupsi di sisi administrasi, bukan di sisi pengobatan.

"Yang kami lihat bukan AI yang menyembuhkan pasien, melainkan AI yang mempercepat proses penagihan," ujar seorang analis kebijakan kesehatan yang meneliti pola klaim rumah sakit.

Bagaimana Algoritma Bekerja di Balik Rekam Medis?

Secara teknis, sistem AI ini dilatih menggunakan jutaan catatan medis historis. Model machine learning (pembelajaran mesin) mempelajari pola antara gejala, diagnosis, tindakan, dan kode tagihan yang akhirnya dibayar oleh asuransi. Setelah terlatih, sistem dapat menyarankan kode secara otomatis kepada staf administrasi rumah sakit.

Persoalannya, model seperti ini belajar dari data masa lalu yang sudah dipenuhi praktik pengkodean agresif. Jika data historis menunjukkan bahwa kode rumit lebih sering diterima dan dibayar, maka algoritma akan cenderung merekomendasikan hal serupa. Ini menciptakan lingkaran umpan balik yang memperkuat kebiasaan lama, bukan memperbaikinya.

Beberapa rumah sakit juga mengintegrasikan sistem ini dengan platform rekam medis elektronik dan ekosistem pembayaran digital. Hasilnya, proses klaim berjalan jauh lebih cepat, tetapi volume klaim bernilai tinggi ikut melonjak. Menurut laporan BCBSA, lonjakan inilah yang secara kolektif menambah beban biaya hingga angka US$1 miliar.

Siapa yang Sebenarnya Menanggung Beban Ini?

Pada akhirnya, kenaikan klaim tidak berhenti di meja asuransi. Perusahaan asuransi biasanya merespons dengan menaikkan premi tahunan, dan kenaikan itu dibebankan kepada nasabah. Dalam rantai yang panjang, pasienlah yang menanggung biaya akhir, baik melalui premi yang lebih mahal maupun biaya langsung saat berobat.

Namun, tidak semua pihak menilai AI sebagai penyebab tunggal. Sebagian pengembang sistem berargumen bahwa teknologi hanya alat, dan keputusan tetap ada di tangan manusia. Mereka menekankan pentingnya tata kelola, audit algoritma, serta transparansi dalam implementasi AI di fasilitas kesehatan.

Para peneliti juga mendorong adanya standar baru yang mewajibkan rumah sakit menjelaskan bagaimana sistem pengkodean mereka bekerja. Tanpa pengawasan, inovasi di bidang kesehatan berisiko hanya menguntungkan sisi administrasi, bukan pasien.

Kisah ini menjadi pengingat bahwa teknologi tidak pernah netral. AI yang dirancang untuk efisiensi bisa berubah menjadi mesin penagihan jika dorongan finansialnya salah arah. Bagi pasien, pertanyaannya sederhana: jika teknologi ini terus berkembang, akankah layanan kesehatan menjadi lebih terjangkau, atau justru sebaliknya?