آیا هوش مصنوعی نظام بیمه درمانی را اصلاح می‌کند یا به بحران دامن می‌زند؟

هوش مصنوعی در نظام بیمه درمانی: راهکاری برای تسهیل یا مانعی برای درمان؟

فرایند دریافت تاییدیه پیش‌نیاز درمانی (Prior Authorization) برای بسیاری از بیماران به تجربه‌ای دشوار و فرساینده تبدیل شده است. در حالی که این فرایند برای جلوگیری از هزینه‌های غیرضروری طراحی شده، بسیاری از پزشکان معتقدند که تاخیرهای ناشی از آن، بیماران را از پیگیری درمان‌های ضروری باز می‌دارد.

چالش‌های استفاده از هوش مصنوعی در تصمیم‌گیری‌های درمانی

دولت در حال اجرای پروژه‌ای آزمایشی با عنوان WISeR است که از هوش مصنوعی برای کاهش هزینه‌های غیرضروری در سیستم مدیکر استفاده می‌کند. با این حال، استفاده از این فناوری با مخالفت‌های جدی روبروست. بر اساس نظرسنجی انجمن پزشکی آمریکا در سال ۲۰۲۵، بخش بزرگی از پزشکان نگرانند که اتکا به الگوریتم‌ها، نرخ رد درخواست‌های درمانی را به‌طور نگران‌کننده‌ای افزایش دهد.

هوش مصنوعی باید برای تسهیل تایید درمان‌های مناسب استفاده شود، نه برای آسان‌تر کردن رد درمان‌های ضروری.

تاثیر بر بیماران و نظام سلامت

نتایج یک نظرسنجی جدید نشان می‌دهد که حدود یک نفر از هر پنج بزرگسال شاغل در آمریکا با رد پوشش بیمه‌ای برای درمان‌های توصیه‌شده توسط پزشک مواجه شده‌اند. از این میان، ۴۱ درصد اعلام کردند که این رد درخواست، فرایند درمان آن‌ها را با تاخیر مواجه کرده و در بیش از یک‌چهارم موارد، وضعیت سلامت بیمار وخیم‌تر شده است.

جدول مقایسه چالش‌های پیش‌نیاز درمانی

نگرانی‌ها از تضاد منافع

منتقدان هشدار می‌دهند که پیمانکاران هوش مصنوعی ممکن است از طریق کاهش هزینه‌های درمانی (به‌معنای رد درخواست‌ها)، به سود بیشتری دست یابند. این موضوع نگرانی‌های اخلاقی درباره اولویت‌بندی سود مالی بر سلامت بیماران را تشدید کرده است. در حالی که دولت بر لزوم شفافیت و نظارت انسانی تاکید دارد، بسیاری از کارشناسان معتقدند که این سیستم تنها به مسابقه‌ای برای رد و اعتراض سریع‌تر تبدیل شده است.