Blue Cross‑analyse koppelt AI‑ondersteunde ziekenhuiscodering aan $942 miljoen extra kosten in 2024‑2025

De Blue Cross Blue Shield Association (BCBSA) heeft een analyse gepubliceerd waarin de financiële impact van kunst‑intelligentie (AI)‑coderingssystemen in ziekenhuizen wordt gekwantificeerd. Volgens het rapport heeft de inzet van AI‑ondersteunde coderingssystemen in de periode 2024‑2025 naar schatting $942 miljoen aan extra uitgaven gegenereerd ten opzichte van een referentiejaar 2023.

De analyse meet de kostenstijging door het aandeel ziekenhuisopnames dat als “complex” wordt geclassificeerd te vergelijken. In de BCBSA‑ledenplannen steeg het percentage complexe opnames van 37 % aan het begin van 2023 naar 40 % tegen het einde van 2025. Deze verschuiving alleen verklaart een groot deel van de gerapporteerde kostenstijging.

Hoe AI duurdere claim‑herclassificaties veroorzaakt

Een centrale drijvende factor die door BCBSA wordt geïdentificeerd, is de herclassificatie van ongeveer 55 000 claims naar betalingscategorieën met hogere tarieven. De herclassificatie is het gevolg van secundaire diagnoses die AI‑systemen in patiëntendossiers hebben opgespoord. Deze duurdere claims droegen ongeveer $653 miljoen bij aan het totaal, wat neerkomt op bijna $11 000 extra kosten per extra complex geval.

De AI‑hulpmiddelen die in het rapport worden genoemd, vallen in twee brede categorieën. Ten eerste scannen analytische motoren bestaande medische dossiers om over het hoofd geziene diagnoses te onthullen. Ten tweede genereren “ambient scribes” real‑time klinische gesprekken tot gestructureerde notities, waardoor de kans groter wordt dat secundaire aandoeningen worden gedocumenteerd en gefactureerd.

Discrepancies tussen coderingsintensiteit en feitelijke zorg

BCBSA wijst op een kloof tussen de toename in complexe coderingscategorieën en het volume van overeenkomstige behandelingen. Zo steeg het percentage grote intestinale ingrepen dat op het hoogste complexiteitsniveau werd gecodeerd van 10,2 % naar 22,7 % van dergelijke gevallen, terwijl er geen evenredige stijging in de uitvoering van die ingrepen plaatsvond.

Evenzo kregen patiënten die met anemie werden geïdentificeerd minder vaak bloedtransfusies – 16,9 % versus 19,3 % in ziekenhuizen zonder dezelfde coderingsescalatie. Deze observaties suggereren dat de coderingsintensiteit de feitelijke intensiteit van de verleende zorg kan overtreffen.

Argumenten van ziekenhuizen

Ziekenhuizen betwisten de interpretatie dat AI‑coderingssystemen kosten opdrijven zonder klinische rechtvaardiging. Zij wijzen op demografische verschuivingen en stellen dat patiënten ouder en zwaarder ziek zijn geworden. Een analyse van de American Hospital Association en Vizient meldt een stijging van ongeveer 5 % in de case‑mix index tussen 2019 en 2024, wat wijst op een echte toename in casuscomplexiteit.

Vanuit het ziekenhuisperspectief brengen AI‑tools simpelweg aandoeningen aan het licht die al aanwezig waren maar eerder ongedocumenteerd bleven. De bewering is dat de technologie de diagnostische volledigheid verbetert in plaats van kunstmatig factureringsmogelijkheden te creëren.

Beperkingen van de BCBSA‑methodologie

Een belangrijke beperking van het BCBSA‑rapport is de exclusieve afhankelijkheid van facturatiegegevens. De analyse bevat geen chart‑reviews of directe klinische validatie van de door AI gemarkeerde extra diagnoses. Critici betogen dat zonder verificatie van medische dossiers het onmogelijk is te bepalen of de secundaire diagnoses echte pathologie vertegenwoordigen of een door technologie gedreven up‑coding vormen.

Omdat de studie geen patiënt‑niveau klinische details bevat, moet het gerapporteerde bedrag van $942 miljoen worden gezien als een schatting gebaseerd op financiële coderingstrends, niet als een definitieve maatstaf voor onnodige uitgaven.

Onzekere downstream‑effecten

Het rapport schat niet hoe de extra kosten zich zullen verspreiden over verzekeringspremies, eigen risico’s of publieke gezondheidsuitgaven. Het financiële effect op individuele polishouders en op overheidsprogramma’s blijft daardoor onbekend.

• AI‑analytische motoren die bestaande dossiers scannen op gemiste diagnoses
• Ambient‑scribe‑systemen die klinische notities genereren uit gesproken consulten
• Herclassificatie van ~55 000 claims naar hogere betalingscategorieën
• Stijging van het aandeel complexe gevallen van 37 % naar 40 % in twee jaar

De BCBSA‑analyse vermeldt ook dat de $11 000 extra kosten per extra complex geval een gemiddelde zijn die is afgeleid van de totale impact van herclassificaties. Dit cijfer omvat een breed scala aan diagnoses en procedures, waarvan sommige hogere terugbetalingspercentages hebben dan andere.

Gezien de afhankelijkheid van facturatiegegevens kan de analyse niet onderscheiden tussen legitieme klinische nuance die door AI wordt vastgelegd en mogelijke systematische up‑coding. Deze onzekerheid onderstreept de noodzaak van aanvullende klinische audits om de authenticiteit van de gecodeerde aandoeningen te verifiëren.

Praktische implicaties voor organisaties omvatten de noodzaak om de efficiëntiewinst van AI‑codering af te wegen tegen robuuste governance‑kaders. Zorgaanbieders moeten mogelijk onafhankelijke validatieprocessen implementeren, zoals periodieke chart‑reviews, om te waarborgen dat AI‑gedetecteerde secundaire diagnoses overeenkomen met gedocumenteerde patiëntcondities.

Verzekeraars en payers zouden claim‑patronen moeten monitoren op onverwachte pieken in complexe coderingscategorieën en moeten beoordelen of de bijbehorende klinische bewijzen de hogere vergoedingen ondersteunen. Transparante rapportage‑mechanismen tussen ziekenhuizen, AI‑leveranciers en betalers kunnen helpen het risico op onbedoelde kosteninflatie te beperken.

Tot slot moeten beleidsmakers mogelijk evalueren of de bestaande coderings‑toezichtsstructuren toereikend zijn voor een omgeving waarin AI steeds meer invloed heeft op documentatie. Aanpassingen van audit‑protocollen of de ontwikkeling van AI‑specifieke compliance‑richtlijnen kunnen noodzakelijk worden om de integriteit van het factureringssysteem te behouden, terwijl men toch profiteert van de diagnostische volledigheid die AI belooft.