Blue Cross-Analyse verknüpft KI-gestützte Krankenhauscodierung mit 942 Millionen Dollar zusätzlichen Kosten für 2024‑2025

Die Blue Cross Blue Shield Association (BCBSA) hat eine Analyse veröffentlicht, die die finanziellen Auswirkungen von künstlicher Intelligenz (KI)‑basierten Codierungswerkzeugen in Krankenhäusern quantifiziert. Laut dem Bericht haben die KI‑gestützten Codierungssysteme im Zeitraum 2024‑2025 geschätzte Zusatzausgaben von rund 942 Millionen $ im Vergleich zu einem Basiswert aus dem Jahr 2023 verursacht.

Die Analyse misst das Kostenwachstum, indem sie den Anteil der Krankenhausaufenthalte vergleicht, die als „komplex“ eingestuft werden. In den BCBSA‑Mitgliedsplänen stieg der Anteil komplexer Aufnahmen von 37 % Anfang 2023 auf 40 % Ende 2025. Diese Verschiebung allein erklärt einen großen Teil des gemeldeten Kostenanstiegs.

Wie KI teurere Leistungsreklassifikationen antreibt

Ein zentraler Treiber, den die BCBSA identifiziert, ist die Reklassifizierung von etwa 55 000 Leistungen in Zahlungskategorien mit höheren Sätzen. Die Reklassifizierung resultiert aus sekundären Diagnosen, die KI‑Systeme in Patientenakten entdeckt haben. Diese höherpreisigen Leistungen trugen etwa 653 Millionen $ zum Gesamtsumme bei, was fast 11 000 $ zusätzlicher Kosten pro zusätzlichem komplexen Fall entspricht.

Die im Bericht genannten KI‑Werkzeuge lassen sich in zwei breite Kategorien einteilen. Erstens scannen analytische Engines bestehende medizinische Unterlagen, um übersehene Diagnosen aufzudecken. Zweitens erzeugen sogenannte „ambient scribes“ Echtzeit‑Klinikgespräche und generieren automatisch strukturierte klinische Notizen, wodurch die Wahrscheinlichkeit steigt, dass sekundäre Erkrankungen dokumentiert und abgerechnet werden.

Diskrepanzen zwischen Codierungsintensität und tatsächlicher Versorgung

Die BCBSA weist auf eine Diskrepanz zwischen dem Anstieg komplexer Codierungen und dem Volumen entsprechender Behandlungen hin. So stieg der Anteil großer Darmoperationen, die mit höchster Komplexität codiert wurden, von 10,2 % auf 22,7 % der Fälle, ohne dass ein entsprechender Anstieg der Durchführungen dieser Eingriffe zu verzeichnen war.

Ähnlich erhielten Patienten, bei denen Anämie diagnostiziert wurde, seltener Bluttransfusionen – 16,9 % im Vergleich zu 19,3 % in Krankenhäusern, die keinen ähnlichen Codierungsanstieg zeigten. Diese Beobachtungen legen nahe, dass die Intensität der Codierung die tatsächliche Versorgungsintensität übersteigen könnte.

Gegenargumente der Krankenhäuser

Krankenhäuser bestreiten die Interpretation, dass KI‑Codierung Kosten ohne klinische Rechtfertigung aufbläht. Sie verweisen auf demografische Veränderungen und betonen, dass die Patienten älter und kranker geworden seien. Eine Analyse der American Hospital Association und Vizient zeigt einen Anstieg des Case‑Mix‑Index um etwa 5 % zwischen 2019 und 2024, was auf einen echten Anstieg der Fallkomplexität hinweist.

Aus Sicht der Krankenhäuser bringen die KI‑Werkzeuge lediglich bereits vorhandene, aber bislang undokumentierte Zustände ans Licht. Die Behauptung sei, dass die Technologie die diagnostische Vollständigkeit verbessert, anstatt künstlich neue Abrechnungsoptionen zu schaffen.

Einschränkungen der BCBSA‑Methodik

Ein zentrales Manko des BCBSA‑Berichts ist die ausschließliche Nutzung von Abrechnungsdaten. Die Analyse berücksichtigt keine Durchsicht von Patientenakten oder direkte klinische Validierung der von KI markierten Zusatzdiagnosen. Kritiker argumentieren, dass ohne medizinische Dokumentationsprüfung nicht klar sei, ob die sekundären Diagnosen echte Pathologien darstellen oder durch die Technologie bedingtes Up‑Coding.

Da die Studie keine patientenbezogenen klinischen Details enthält, sollte die gemeldete Summe von 942 Millionen $ als Schätzung auf Basis finanzieller Codierungstrends und nicht als definitive Messgröße unnötiger Ausgaben verstanden werden.

Unklare Folgewirkungen

Der Bericht schätzt nicht, wie sich die zusätzlichen Kosten auf Versicherungsprämien, Selbstbehalte oder öffentliche Gesundheitsausgaben verteilen. Folglich bleibt der finanzielle Einfluss auf einzelne Versicherungsnehmer und staatliche Programme unbekannt.

• KI‑Analyse‑Engines, die vorhandene Unterlagen nach übersehenen Diagnosen durchsuchen
• Ambient‑Scribe‑Systeme, die klinische Notizen aus gesprochenen Begegnungen generieren
• Reklassifizierung von ~55 000 Leistungen in höher vergütete Kategorien
• Anstieg des Anteils komplexer Fälle von 37 % auf 40 % innerhalb von zwei Jahren

Die BCBSA‑Analyse weist zudem darauf hin, dass die durchschnittlichen zusätzlichen 11 000 $ pro zusätzlichem komplexen Fall aus dem gesamten Reklassierungseffekt abgeleitet wurden. Diese Zahl aggregiert ein breites Spektrum von Diagnosen und Eingriffen, von denen einige höhere Erstattungsraten als andere haben.

Aufgrund der ausschließlichen Nutzung von Abrechnungsdaten kann die Analyse nicht zwischen legitimen klinischen Nuancen, die von KI erfasst wurden, und potenziellem systematischem Up‑Coding unterscheiden. Diese Unsicherheit unterstreicht den Bedarf an ergänzenden klinischen Audits, um die Authentizität der codierten Bedingungen zu prüfen.

Praktische Implikationen für Organisationen umfassen die Notwendigkeit, die Effizienzgewinne der KI‑Codierung mit robusten Governance‑Rahmen abzuwägen. Gesundheitsanbieter müssen möglicherweise unabhängige Validierungsprozesse einführen, etwa periodische Aktenprüfungen, um sicherzustellen, dass von KI identifizierte sekundäre Diagnosen tatsächlich dokumentierte Patientenzustände widerspiegeln.

Versicherer und Leistungsträger sollten die Muster von Leistungsabrechnungen auf unerwartete Sprünge in komplexer Codierung überwachen und prüfen, ob entsprechende klinische Nachweise die höheren Erstattungen rechtfertigen. Transparente Meldemechanismen zwischen Krankenhäusern, KI‑Anbietern und Kostenträgern können helfen, das Risiko unbeabsichtigter Kosteninflation zu mindern.

Schließlich könnten Gesetzgeber prüfen, ob bestehende Aufsichtsstrukturen für die Codierung in einem Umfeld, in dem KI die Dokumentation immer stärker beeinflusst, noch ausreichend sind. Anpassungen von Prüfprotokollen oder die Entwicklung KI‑spezifischer Compliance‑Richtlinien könnten notwendig werden, um die Integrität des Abrechnungssystems zu bewahren und gleichzeitig die diagnostische Vollständigkeit, die KI verspricht, zu nutzen.