Как ИИ меняет медицинские счета и увеличивает расходы страховщиков

ИИ научился находить более дорогие диагнозы: почему больницы и страховщики спорят почти о $1 млрд

Почти $1 млрд появился не из-за новых операций или лекарств

24 сентября Reuters сообщил о результатах анализа Blue Cross Blue Shield Association (BCBSA), объединяющей 31 независимую страховую компанию, которые в совокупности обслуживают более 100 млн человек.

По данным BCBSA, в 2024–2025 годах увеличение так называемой интенсивности кодирования добавило ее страховым планам около $942 млн расходов по сравнению с уровнем 2023 года. Из этой суммы примерно $653 млн было связано с более частым указанием вторичных диагнозов.

Суть происходящего легче понять на конкретном примере. Пациент поступает в больницу для большой операции на кишечнике. Основная причина госпитализации остается прежней, но в документации дополнительно появляются анемия, нарушение кислотно-щелочного баланса, частичная кишечная непроходимость или другое сопутствующее состояние.

Для врача это дополнительная медицинская информация. Для системы оплаты это может быть еще и финансово значимая информация: наличие определенных осложнений или сопутствующих заболеваний способно перевести госпитализацию в более сложную и дорогую категорию.

По данным BCBSA, доля госпитализаций, классифицированных как медицински сложные, выросла примерно с 37% в начале 2023 года до 40% к концу 2025-го. Около 70% увеличения интенсивности кодирования ассоциация связывает более чем с 55 тыс. дополнительных случаев, когда вторичный диагноз переводил счет в более высокую категорию тяжести.

Почему несколько слов в медицинской карте меняют цену госпитализации

В основе конфликта лежит система оплаты стационарной помощи по клинико-статистическим группам, в США — diagnosis-related groups, DRG.

Логика такой модели разумна. Больнице обычно платят не отдельно за каждую таблетку, анализ и минуту работы персонала, а определенную сумму за законченный случай лечения. При этом тяжелый пациент должен стоить дороже легкого: ему могут потребоваться интенсивное наблюдение, дополнительные процедуры, лекарства и больше времени медицинского персонала.

Поэтому вторичные диагнозы имеют значение. Если у пациента есть серьезные осложнения или сопутствующие заболевания, случай может попасть в более высокую категорию DRG и получить более высокое возмещение.

Раньше значительная часть этой работы зависела от того, насколько подробно врач описал состояние пациента и насколько внимательно специалисты по медицинскому кодированию изучили документацию. Теперь к ним присоединились алгоритмы.

ИИ может просматривать огромную электронную медицинскую карту, искать упоминания потенциальных диагнозов и подсказывать, какие состояния следует отразить в документации. Другой быстро растущий класс систем — фоновые цифровые помощники врача: они слушают разговор врача с пациентом и автоматически формируют черновик медицинской записи.

Это может решать реальную проблему. Врач способен лечить сложного пациента, но не зафиксировать каждую существенную деталь так, как этого требует система оплаты. Более точная документация в таком случае не создает новую болезнь — она обнаруживает то, что раньше терялось между клинической практикой и медицинским счетом.

Blue Cross увидела диагнозы, за которыми не последовало больше лечения

BCBSA попыталась проверить, действительно ли более сложное кодирование отражает ухудшение состояния пациентов.

Логика проверки состояла в том, чтобы посмотреть не только на диагнозы, но и на медицинскую помощь, которая обычно сопровождает соответствующее состояние. Если госпитализированные действительно стали заметно тяжелее, это должно хотя бы частично проявляться в лечении.

На примере больших операций на кишечнике BCBSA обнаружила, что с первого квартала 2023 года по четвертый квартал 2025-го частота указания некоторых вторичных состояний резко выросла. Частичная кишечная непроходимость стала фиксироваться на 55% чаще, нарушения, связанные с избыточной кислотностью организма, — на 33%.

При этом, по словам вице-президента BCBSA по клиническим вопросам Разии Хашми, рост сложности зарегистрированных случаев не сопровождался сопоставимым увеличением лечения. Например, при более частом выявлении анемии не наблюдалось соответствующего роста переливаний крови.

Для страховщика это важный сигнал. Если диагнозов становится больше, а характер помощи существенно не меняется, возможно, алгоритм обнаруживает прежде всего дополнительные основания для более высокого счета.

Но это еще не доказывает, что диагнозы были ложными или что больницы намеренно завышали стоимость лечения. Не каждое выявленное состояние требует отдельного вмешательства, а отсутствие конкретной процедуры нельзя автоматически считать доказательством отсутствия болезни.

Больницы видят ту же проблему с противоположной стороны

Американская больничная ассоциация (American Hospital Association, AHA) оспаривает саму интерпретацию роста интенсивности кодирования как признака необоснованного увеличения расходов.

Ее аргумент состоит в том, что пациенты действительно становятся сложнее. Население стареет, хронических заболеваний становится больше, а менее тяжелые случаи все чаще лечатся амбулаторно. В стационаре в результате концентрируется более тяжелая группа пациентов.

Кроме того, более полная документация не обязательно означает искусственное завышение тяжести. Если заболевание существовало, но раньше регулярно не попадало в медицинский счет, исправление этой ошибки закономерно увеличит расходы страховщика — даже если объем оказанной помощи практически не изменился.

AHA также указывает на симметричную проблему: сами страховщики применяют автоматизированные системы для проверки счетов, снижения уровня кодирования и отказов в возмещении. Больницам затем приходится оспаривать такие решения.

Поэтому происходящее точнее описывать не как доказанное «завышение счетов с помощью ИИ», а как конфликт двух интерпретаций одной и той же цифровизации. Для больницы алгоритм может быть инструментом более полного учета выполненной работы и состояния пациента. Для страховщика тот же алгоритм способен выглядеть как машина, систематически увеличивающая стоимость случая.

ИИ начинает оптимизировать обе стороны медицинского счета

Именно это делает американский пример важнее спора между несколькими страховщиками и больницами.

Здравоохранение десятилетиями существовало в условиях информационной асимметрии. Огромные медицинские карты, тысячи правил кодирования и сложные страховые договоры невозможно было анализировать полностью при каждой госпитализации. Значительная часть системы держалась на ограниченных возможностях человеческого внимания.

ИИ меняет это ограничение.

Больница теперь может автоматически искать в карте все признаки, способные подтвердить более сложный диагноз и увеличить возмещение. Страховщик может столь же автоматически искать несоответствия между диагнозом, лечением, медицинской документацией и счетом.

Возникает своеобразная алгоритмическая гонка: один ИИ помогает сформировать максимально полный счет, другой — проверить, насколько этот счет обоснован.

Экономический результат совсем не обязательно будет снижением административных расходов, которое долго считалось одним из главных преимуществ внедрения ИИ в здравоохранение. Автоматизация может уменьшить стоимость обработки одного документа и одновременно увеличить количество кодов, проверок, возражений и апелляций.

Технология становится дешевле, а транзакционный конфликт — интенсивнее.

Для пациента спор о кодах может закончиться более дорогой страховкой

На первый взгляд это бухгалтерский конфликт между больницей и страховой компанией. Но дополнительные расходы не остаются внутри их отчетности.

Если рост выплат становится устойчивым, страховщики могут переносить часть затрат в страховые премии, франшизы и другие платежи. Работодатели, финансирующие медицинское страхование сотрудников, также ощущают рост стоимости программ. В государственных системах аналогичный механизм в конечном счете затрагивает налогоплательщиков.

Для врачей проблема иная. Качественный фоновый помощник действительно способен уменьшить время, которое специалист тратит на документацию. Но если медицинская запись одновременно становится инструментом оптимизации возмещения, возникает риск, что технология начнет подталкивать клиническую документацию в сторону финансово значимых формулировок.

Для больниц отказ от таких систем тоже не выглядит очевидным решением. Если алгоритм помогает обнаруживать реально существующие, но ранее недокументированные заболевания, не использовать эту возможность означает недооценивать сложность пациентов и потенциально недополучать оплату за оказанную помощь.

Поэтому центральный вопрос постепенно смещается. Он уже не звучит как «нужно ли использовать ИИ для медицинского кодирования?». Гораздо важнее определить, какие объективные клинические признаки должны подтверждать переход пациента в более дорогую категорию и как отличить более точную документацию от кодирования, меняющего главным образом размер счета.

$942 млн — серьезный сигнал, но еще не окончательный диагноз системе

У анализа BCBSA есть важное ограничение: его проводит сторона, непосредственно заинтересованная в контроле страховых выплат. Это не делает результаты недостоверными, но требует рассматривать выводы как позицию и анализ страховщиков, а не как окончательно установленную причинную связь между внедрением ИИ и необоснованными расходами.

Есть и методологическая проблема. Одновременный рост применения ИИ и интенсивности кодирования сам по себе не доказывает, что первое полностью вызвало второе. За тот же период могли измениться структура госпитализированных пациентов, правила документации, клиническая практика и способность больниц фиксировать заболевания, которые раньше оставались недокументированными.

С другой стороны, расхождение между ростом числа диагнозов и отсутствием сопоставимого изменения лечения действительно заслуживает проверки. Особенно если оно повторяется в разных больницах, диагнозах и группах пациентов.

Следующим важным этапом станут независимые исследования на уровне конкретных медицинских карт: существовали ли дополнительные диагнозы клинически, какие данные их подтверждали, меняли ли они лечение и насколько часто появление этих диагнозов действительно было связано с применением конкретных систем ИИ.