AI di Rumah Sakit Dorong Biaya Pasien Naik US$1 Miliar

Teknologi kecerdasan buatan atau AI (Artificial Intelligence) yang dijanjikan mampu menekan pemborosan di sektor kesehatan justru menuai kritik tajam. Alih-alih menghemat pengeluaran, implementasi algoritma di rumah sakit Amerika Serikat disebut-sebut ikut mendorong lonjakan tagihan pasien hingga US$1 miliar atau sekitar Rp16 triliun. Temuan ini menjadi penting bagi siapa pun yang membayar asuransi kesehatan, karena menunjukkan bahwa inovasi digital tidak otomatis membawa efisiensi.

Ibarat memasang mesin kasir otomatis di toko yang belum tertata rapi, sistem AI memang mempercepat proses, tetapi juga bisa memperbesar kesalahan yang sudah ada. Blue Cross Blue Shield Association (BCBSA), asosiasi penyedia asuransi kesehatan terbesar di Amerika Serikat, melaporkan bahwa pengkodean medis yang semakin kompleks akibat bantuan AI berkontribusi pada membengkaknya nilai klaim rumah sakit.

Bagaimana AI Bisa Membuat Tagihan Bengkak

Dalam ekosistem layanan kesehatan, setiap tindakan medis harus diterjemahkan menjadi kode diagnosis dan prosedur agar bisa ditagihkan ke asuransi. Proses ini bernama pengkodean (coding), dan selama puluhan tahun dilakukan oleh staf terlatih. Kini, banyak rumah sakit menggunakan perangkat lunak berbasis machine learning untuk menyarankan kode yang lebih rinci dan spesifik.

Masalahnya, algoritma cenderung memilih kode paling detail karena dianggap lebih akurat secara klinis. Padahal dalam sistem pembayaran berbasis kelompok, kode yang lebih rinci sering berarti tarif yang lebih tinggi. BCBSA mencatat pola ini sebagai salah satu pendorong utama kenaikan biaya hingga angka US$1 miliar.

"Teknologi seharusnya menjadi alat untuk efisiensi, bukan alasan untuk menaikkan biaya yang pada akhirnya dibebankan kepada pasien," ujar seorang analis kebijakan kesehatan yang meninjau laporan tersebut.

Artinya, ada paradoks: semakin canggih platform digital di rumah sakit, semakin besar potensi tagihan yang harus dibayar masyarakat. Inilah yang membuat pengembangan AI di sektor kesehatan perlu pengawasan ketat, bukan sekadar adopsi cepat.

Data dan Perbandingan Implementasi AI Kesehatan

Untuk memahami skalanya, mari bandingkan bagaimana AI digunakan di berbagai lini layanan kesehatan dan dampaknya terhadap biaya. Tabel berikut merangkum tiga area utama.

Dari tabel di atas terlihat bahwa manfaat AI sangat bergantung pada tujuan penerapannya. Ketika algoritma diarahkan untuk memaksimalkan pendapatan rumah sakit, hasilnya adalah disrupsi yang merugikan pasien. Sebaliknya, bila difokuskan pada efisiensi operasional, teknologi ini bisa benar-benar menghemat.

Laporan BCBSA juga menyoroti bahwa rumah sakit dengan adopsi AI tinggi mencatat kenaikan intensitas pengkodean yang lebih tajam dibanding fasilitas yang masih konvensional. Angka ini bukan bukti kecurangan langsung, melainkan sinyal bahwa insentif finansial dalam ekosistem kesehatan mendorong pemanfaatan teknologi ke arah yang kurang sehat.

Respons Industri dan Arah Regulasi ke Depan

Kalangan pengembang teknologi membantah bahwa algoritma mereka dirancang untuk memperbesar tagihan. Mereka berargumen bahwa pengkodean rinci membantu rumah sakit mematuhi aturan asuransi dan memastikan pasien mendapat penggantian yang layak. Namun, para peneliti menekankan perlunya transparansi.

Organisasi profesi kesehatan mendesak agar setiap sistem AI yang menyentuh aspek penagihan menjalani audit berkala. Regulator juga mulai mempertimbangkan aturan yang mewajibkan rumah sakit mengungkap penggunaan algoritma dalam penetapan biaya.

Bagi pembaca awam, isu ini bukan sekadar perdebatan teknologi. Ketika tagihan rumah sakit naik, premi asuransi ikut menyesuaikan, dan pada akhirnya kantong masyarakat yang menanggung. Karena itu, pertanyaan besarnya bukan lagi apakah AI akan masuk ke rumah sakit, melainkan siapa yang mengendalikan arah penggunaannya.

Pengembangan AI di bidang kesehatan tetap menjanjikan, terutama untuk diagnosis dini dan penelitian obat. Namun, tanpa tata kelola yang jelas, inovasi bisa berubah menjadi alat pembenar kenaikan biaya. Pengalaman ini menjadi pelajaran berharga bahwa implementasi teknologi selalu punya dua sisi, dan sisi mana yang menang ditentukan oleh keputusan manusia di baliknya.