Medicaid-kuttets effekt: Kan AI forhindre en innkommende helsekrisen?

Medicaid har blitt et sentralt punkt i en het politisk debatt, da republikanske lovgivere presser på for dypte kutt for å hjelpe med å finansiere skattelettelser. President Donald Trump og GOP-ledere har som mål å kutte Medicaid-utgiftene med 880 milliarder dollar over de neste ti år, og kutte rundt 10% av programmet sitt budsjett. Imidlertid kan konsekvensene være alvorlige, da Medicaid gir helsedekning for rundt 83 millioner lavinntektsamerikanere, inkludert eldre og personer med funksjonsnedsettelser. 

For å sikre Medicaid sitt fremtid, kommer kunstig intelligens (AI) frem som en potensiell løsning på økende helsekostnader. I dag tillater AI-drevne prediktive analyser helsepersonale å identifisere høyrisikopasienter før de trenger akutt hjelp.

“Med Medicaid som står overfor budsjettsbegrensninger, kan AI redusere kostnadene uten å ofre kvalitet,” Grace Chang, CEO og grunnlegger, Kintsugi, fortalte meg. “Operasjonelle ineffektiviteter, som misdiagnoser eller dårlig pasientoppfølging, er ofte usynlige, men usedvanlig kostbare. AI kan markere pasienter som er i risiko for overbruk av akuttmottak eller medikamentnonadherens – områder som suger milliarder fra systemet, men som kan løses med riktig verktøy.”

California-baserte AI-helsestartuppen Kintsugi bruker talebiomarkører til å automatisere tidlig skriving for depresjon og angstpasienter, og hjelper med å redusere klinikerutvurderingstid. Chang hevder at de fleste helsesystemer allerede er underbemannede, og at AI kan hjelpe med å prioritere hvem som trenger oppmerksomhet mest, når det er viktigst. 

Ifølge grunnleggeren er den virkelige risikoen med ikke å bruke AI til å løse helsens tøffeste utfordringer “at vi ikke vil bruke det til å lukke kritiske hull i omsorgen.” 

Hvordan AI reduserer Medicaid og helsekostnader generelt

Administrative ineffektiviteter står for en betydelig del av helsekostnadene. Men, en studie fra National Center for Biotechnology Information (NCBI) estimerer at AI kan spare helseindustrien opptil 150 milliarder dollar årlig ved å strømlinje disse prosessene. Liksom National Bureau Of Economic Research estimerer sparinger så høye som 200–360 milliarder dollar i helseutgifter gjennom AI-automatisering de neste fire årene. I dag spiller AI en essensiell rolle i Medicaid og helsevesenet ved å forutsi sykdomsutbrudd og demografiske endringer, og muliggjør proaktiv ressursallokering. Teknologien hjelper også med å forbedre prediktive analyser for å forutse pasientresultater, og leder til mer effektive behandlingsstrategier og forbedret forebyggende omsorg. I tillegg kan AI fremme personlig medisin, og tilpasse behandlinger til enkeltpasienter for bedre resultater.

Ved å utnytte ny teknologi, er flere AI-drevne helsestartupper i fremste rekke med å forbedre AI-tilpasningen i Medicaid for å akselerere diagnoser og forbedre behandlingsresultater. For eksempel er Boston-baserte Quantivly i ferd med å forbedre radiologiens effektivitet gjennom sin AI-baserte plattform for å optimalisere MRI- og CT-skannerbruk. AI kan peke ut flaskehalsene i bildearbeidsflyten, og leder til reduserte ventetider for pasienter, forbedret skanner gjennomstrømming og sykehusinntekter.

“Helsesystemer, spesielt de som betjener Medicaid-befolkningen, blir bedt om å gjøre mer med mindre. Og de må gjøre flere skanninger for å kompensere for virkeligheten av lavere marginer,” Robert MacDougall, medgrunnlegger av Quantivly, fortalte meg. “Operasjonell AI i medisinsk bildebehandling kan hjelpe med å håndtere gjennomstrømming uten å legge stress på personalet. AI kan bli deployert i områder som planlegging, der koordineringen er for kompleks for en person å håndtere manuelt.”

Ifølge MacDougall, overseer de fleste planleggingssystemer kritiske faktorer som påvirker skannertiden, som skannerhardware, protokollkompleksitet, pasientmobilitet og sedasjonbehov. Å håndtere disse variablene i sanntid er utenfor menneskelig evne, og gjør AI til et essensielt verktøy for å optimalisere planlegging og effektivitet – og hjelper sykehusenes økonomi. 

Liksom AI-drevne medikamentstyringsplattformen Arine hjelper med å redusere reseptfeil ved å optimalisere legemiddelregimer og markere unødvendige medikamenter. “AI kan raskt koble punktene sammen over diverse datamengder (pasienters medikamenthistorie, SDOH-data og klinisk/medisinsk litteratur) for å gi personlige anbefalinger for hver pasient,” Yoona Kim, CEO og grunnlegger av Arine, forklarte. 

Hun la til at hvis en pasient blir skrevet ut en ny medikament uten å vurdere dens potensielle negative effekt på eksisterende tilstander, kan AI markere problemet i sanntid – og forhindre komplikasjoner før de resulterer i et sykehusopphold. “AI kan automatisere repetitive oppgaver (for eksempel dokumentasjon, sammenfatting), men når det gjelder pasientbehandling, må vi holde klinikerne under kontroll,” sa Kim. 

Gitt AI sitt potensial for å forbedre helseeffektivitet og resultater, vil lovgivere prioritere dets tilpasning, eller vil budsjettsbegrensninger og fiskale politikker overskygge tilgangen? Hvordan denne debatten utvikler seg, gjenstår å se. 

“Målet med operasjonell AI er å utvide tilgangen ved å forbedre hvordan ressurser blir brukt. Hvis vi kan skanne flere pasienter på samme utstyr uten å legge ekstra byrde på personalet, forbedrer vi tilgangen – spesielt i underresursede områder. Nøkkelen er produktivitet, ikke begrensning,” MacDougall understreket.