Blue Crossの分析、AI支援病院コーディングが2024‑2025年に9億4200万ドルの追加費用をもたらす

Blue Cross Blue Shield協会（BCBSA）は、病院で使用されている人工知能（AI）コーディングツールの財務的影響を数値化した分析を公表しました。報告書によれば、AI支援コーディングシステムの導入により、2024‑2025年の期間で2023年ベースラインと比較して、推定9億4200万ドルの追加支出が発生したとされています。

この分析は、入院患者のうち「複雑」と分類されるケースの割合を比較することで費用増加を測定しています。BCBSA加盟プランにおいて、複雑入院の割合は2023年初頭の37％から2025年末までに40％へと上昇しました。この変化だけでも報告された費用増加の大部分を占めています。

AIが高額請求の再分類を促進する仕組み

BCBSAが特定した中心的な要因は、約55,000件の請求がより高い支払カテゴリへ再分類されたことです。この再分類は、AIシステムが患者記録から検出した二次診断に起因しています。高額請求は総額の約6億5300万ドルに相当し、1件の追加複雑症例につき約11,000ドルの余分なコストとなります。

報告書で言及されているAIツールは大きく二つのカテゴリに分かれます。第一は既存の医療記録をスキャンし、見落とされがちな診断を抽出する分析エンジンです。第二は「アンビエント・スクライブ」システムで、臨床会話をリアルタイムで捕捉し、構造化された臨床ノートを自動生成します。これにより二次的な状態が文書化され、請求に反映されやすくなります。

コーディング強度と実際の治療量の不一致

BCBSAは、複雑コーディングの急増とそれに対応する治療量の間に乖離があることを指摘しています。たとえば、最も高い複雑度でコードされた主要腸管手術は、該当症例全体の10.2％から22.7％へと増加しましたが、手術実施自体の増加は見られませんでした。

同様に、貧血と診断された患者が輸血を受けた頻度は、コーディングが急上昇した病院では16.9％に留まり、上昇が見られなかった病院の19.3％と比較して低くなっています。これらの観察は、コーディングの強度が実際の医療提供の強度を上回っている可能性を示唆しています。

病院側の反論

病院は、AIコーディングが臨床的根拠なしに費用を膨らませているという解釈に異議を唱えています。彼らは人口統計の変化を指摘し、患者が高齢化し、病状が重くなっていることを根拠に挙げています。米国病院協会（AHA）とVizientによる分析では、2019年から2024年にかけてケースミックス指数が約5％上昇しており、症例の複雑性が実際に増大していることが示されています。

病院側の見解では、AIツールは既に存在していたが記録に残っていなかった状態を表面化させるだけであり、診断の完全性を高めるものであって、請求機会を人工的に創出しているわけではないと主張しています。

BCBSA手法の限界

BCBSA報告書の主要な限界は、請求データのみに依拠している点です。分析は、AIがフラグ付けした追加診断についてのカルテレビューや直接的な臨床検証を組み込んでいません。批評家は、医療記録による検証がなければ、二次診断が真の病理を反映しているのか、テクノロジー主導のアップコーディングなのかを判断できないと指摘しています。

患者レベルの臨床詳細が欠如しているため、報告された9億4200万ドルという数字は、財務的なコーディング傾向に基づく推計であり、不要な支出の確定的な測定とはみなすべきではありません。

下流効果の不確実性

報告書は、追加費用が保険料、自己負担額、または公共医療支出にどのように分配されるかを推定していません。そのため、個々の保険加入者や政府プログラムへの財政的影響は不明のままです。

• 見逃された診断を検出するAI分析エンジン
• 会話を音声からノートへ変換するアンビエント・スクライブシステム
• 約55,000件の請求を高支払カテゴリへ再分類
• 2年間で複雑症例シェアが37％から40％へ上昇

BCBSAの分析は、追加の複雑症例1件あたりの1万1000ドルという増分コストが、全体の再分類影響から算出された平均値であることも指摘しています。この数値は、診断や手術の幅広いカテゴリを集約したものであり、個々の診療項目ごとに異なる償還率が存在します。

請求データに依存しているため、分析はAIが捉えた正当な臨床的ニュアンスと、潜在的な体系的アップコーディングを区別できません。この不確実性は、臨床監査と併用した検証プロセスの必要性を強調しています。

組織が実務的に取るべき対応としては、AIコーディングによる効率向上と、堅牢なガバナンス体制とのバランスを取ることが求められます。医療提供者は、AIが特定した二次診断が実際の患者状態と合致しているかを確認するため、定期的なカルテレビューなどの独立した検証手順を導入すべきです。

保険者や支払者は、複雑コーディングの急増を監視し、増加した償還が臨床証拠で裏付けられているかを評価する必要があります。病院、AIベンダー、保険者間で透明性の高い報告メカニズムを構築することで、意図せぬコストインフレーションのリスクを軽減できます。

最後に、政策立案者はAIが文書化に与える影響を踏まえ、既存のコーディング監視体制が十分かどうかを検討すべきです。監査手順の見直しや、AI特有のコンプライアンスガイドラインの策定は、請求システムの整合性を保ちつつ、AIがもたらす診断完全性を活用するために必要になる可能性があります。