Efek Pemotongan Medicaid: Apakah AI Dapat Mencegah Krisis Perawatan Kesehatan yang Mendatang?

Medicaid telah menjadi titik sentral dari pertempuran politik yang panas, karena anggota parlemen Partai Republik mendorong untuk melakukan pemotongan besar-besaran untuk membantu mendanai pengurangan pajak. Presiden Donald Trump dan pemimpin Partai Republik berencana untuk mengurangi pengeluaran Medicaid sebesar $880 miliar dalam dekade mendatang, memotong sekitar 10% dari anggaran program tersebut. Namun, konsekuensinya bisa sangat parah karena Medicaid menyediakan cakupan kesehatan untuk sekitar 83 juta orang Amerika berpenghasilan rendah, termasuk lansia dan orang dengan disabilitas.

Untuk memastikan masa depan Medicaid, kecerdasan buatan (AI) muncul sebagai solusi potensial untuk biaya kesehatan yang meningkat. Saat ini, analitik prediktif yang didorong AI memungkinkan penyedia layanan kesehatan untuk mengidentifikasi pasien berisiko tinggi sebelum mereka memerlukan perawatan darurat.

“Dengan Medicaid menghadapi keterbatasan anggaran, AI dapat mengurangi biaya tanpa mengorbankan kualitas,” Grace Chang, CEO dan pendiri, Kintsugi, mengatakan kepada saya. “Inefisiensi operasional, seperti diagnosis yang terlewat atau pengawasan pasien yang buruk, seringkali tidak terlihat tetapi sangat mahal. AI dapat mengidentifikasi pasien yang berisiko mengalami penyalahgunaan ER atau non-kepatuhan obat – area yang mengalir miliaran dari sistem tetapi dapat diselesaikan dengan alat yang tepat.”

Perusahaan rintisan kesehatan AI California, Kintsugi, menggunakan biomarker suara untuk mengotomatisasi skrining awal untuk pasien depresi dan kecemasan, membantu mengurangi waktu penilaian klinisi. Chang menegaskan bahwa sebagian besar sistem kesehatan sudah kekurangan staf, dan AI dapat membantu memprioritaskan siapa yang memerlukan perhatian paling, saat itu paling penting.

Menurut pendiri, risiko nyata dari tidak menggunakan AI untuk memecahkan masalah kesehatan yang paling sulit adalah “bahwa kita tidak akan menggunakannya untuk menutup celah kritis dalam perawatan.”

Bagaimana AI Mengurangi Biaya Medicaid dan Kesehatan secara Umum

Inefisiensi administratif menyumbang sebagian besar biaya kesehatan. Namun, sebuah studi oleh Pusat Informasi Bioteknologi Nasional (NCBI) memperkirakan bahwa AI dapat menghemat industri kesehatan hingga $150 miliar per tahun dengan merampingkan proses-proses tersebut. Demikian pula, Biro Penelitian Ekonomi Nasional memperkirakan penghematan hingga $200–$360 miliar dalam pengeluaran kesehatan melalui otomatisasi AI dalam empat tahun ke depan. Saat ini, AI memainkan peran penting dalam Medicaid dan kesehatan dengan memprediksi wabah penyakit dan pergeseran demografi, memungkinkan alokasi sumber daya proaktif. Teknologi ini juga membantu meningkatkan analitik prediktif untuk memprediksi hasil pasien, mengarah pada strategi perawatan yang lebih efektif dan perawatan pencegahan yang ditingkatkan. Selain itu, AI dapat memajukan pengobatan personal, menyesuaikan perawatan dengan pasien individu untuk hasil yang lebih baik.

Menggunakan inovasi teknologi terbaru, beberapa perusahaan rintisan kesehatan yang didukung AI berada di garis depan dalam meningkatkan adopsi AI di Medicaid untuk mempercepat diagnosis dan meningkatkan hasil perawatan. Misalnya, perusahaan Boston-based Quantivly meningkatkan efisiensi radiologi melalui platform berbasis AI untuk mengoptimalkan utilitas pemindaian MRI dan CT. AI dapat mengidentifikasi bottleneck dalam alur kerja pemindaian, mengarah pada waktu tunggu pasien yang lebih singkat, throughput pemindai yang ditingkatkan, dan pendapatan rumah sakit.

“Sistem kesehatan, terutama yang melayani populasi Medicaid, diminta untuk melakukan lebih banyak dengan lebih sedikit. Dan mereka perlu melakukan lebih banyak pemindaian untuk mengkompensasi kenyataan margin yang lebih rendah,” Robert MacDougall, co-pendiri Quantivly, mengatakan kepada saya. “AI operasional dalam pemindaian medis dapat membantu dalam mengelola throughput tanpa menambah beban pada staf. AI dapat diterapkan di area seperti penjadwalan, di mana tugas koordinasi terlalu kompleks untuk dikelola secara manual.”

Menurut MacDougall, sebagian besar sistem penjadwalan mengabaikan faktor-faktor kritis yang mempengaruhi durasi pemindaian, seperti perangkat keras pemindai, kompleksitas protokol, mobilitas pasien, dan kebutuhan sedasi. Mengelola variabel-variabel ini secara waktu nyata di luar kemampuan manusia, membuat AI menjadi alat penting untuk mengoptimalkan penjadwalan dan efisiensi – dan membantu garis bawah rumah sakit.

Demikian pula, platform manajemen obat yang didukung AI Arine membantu mengurangi kesalahan resep dengan mengoptimalkan rejimen obat dan mengidentifikasi obat yang tidak perlu. “AI dapat dengan cepat menghubungkan titik-titik di seluruh set data yang beragam (riwayat obat pasien, data SDOH, dan literatur klinis/medis) untuk membuat rekomendasi yang dipersonalisasi untuk setiap pasien,” Yoona Kim, CEO dan Pendiri Arine, menjelaskan.

Dia menambahkan bahwa jika pasien diberi resep obat baru tanpa mempertimbangkan dampak negatif potensial pada kondisi yang ada, AI dapat mengidentifikasi masalah tersebut secara waktu nyata—mencegah komplikasi sebelum mereka menghasilkan kunjungan ke ER. “AI mungkin mengotomatisasi tugas-tugas berulang (misalnya, dokumentasi, ringkasan) tetapi ketika datang ke perawatan pasien, kita perlu menjaga klinisi tetap mengontrol,” kata Kim.

Mengingat potensi AI untuk meningkatkan efisiensi dan hasil kesehatan, apakah para pembuat kebijakan akan memprioritaskan adopsi AI, atau apakah keterbatasan anggaran dan kebijakan fiskal akan mengalahkan akses? Bagaimana debat ini berlangsung masih belum terlihat.

“Tujuan AI operasional adalah untuk memperluas akses dengan meningkatkan cara sumber daya digunakan. Jika kita dapat memindai lebih banyak pasien dengan peralatan yang sama tanpa menambah beban pada staf, kita meningkatkan akses — terutama di daerah yang kurang sumber daya. Kunci adalah produktivitas, bukan pembatasan,” MacDougall menekankan.