การแพทย์

Bayesian Health Sepsis Monitor ได้รับการอนุมัติการชำระเงินเพิ่มของ Medicare

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

Bayesian Health ประกาศเมื่อวันที่ 2 กันยายน 2026 ว่าอุปกรณ์ตรวจจับภาวะเซปซิสที่ได้รับการรับรองจาก FDA ของบริษัทได้รับการอนุมัติสำหรับ New Technology Add‑on Payment ซึ่งเป็นกลไกของ Medicare ที่ให้การชดเชยชั่วคราวแก่โรงพยาบาลสำหรับการใช้เทคโนโลยีใหม่ที่ผ่านคุณสมบัติ ตั้งแต่วันที่ 1 ตุลาคม 2026 โรงพยาบาลที่ใช้ระบบตรวจจับเซปซิสด้วย AI อย่างต่อเนื่องสามารถรับการชำระเงิน Medicare เพิ่มเติมสำหรับกรณีผู้ป่วยในที่มีคุณสมบัติตามเงื่อนไข บริษัทอธิบายว่าการอนุมัตินี้เป็นเส้นทางการชดเชยครั้งแรกในลักษณะนี้สำหรับการตรวจจับเซปซิสก่อนการสงสัย

การอนุมัตินี้ได้รับการให้ภายใต้กฎขั้นสุดท้ายของระบบการชำระเงินล่วงหน้าผู้ป่วยใน (Inpatient Prospective Payment System) ของศูนย์บริการ Medicare และ Medicaid สำหรับปีงบประมาณ 2027 ซึ่งกำหนดอัตราการชำระเงินและนโยบายสำหรับโรงพยาบาลดูแลฉุกเฉิน ซึ่งตามมาหลังจากอุปกรณ์ได้รับการรับรองจาก FDA เมื่อวันที่ 30 เมษายน 2026 และการได้รับการกำหนดให้เป็นอุปกรณ์ Breakthrough ก่อนหน้านั้น ตามข้อมูลของ Bayesian Health การตัดสินใจนี้ทำให้ผลิตภัณฑ์ของบริษัทเป็นเทคโนโลยีการตรวจสอบเซปซิสอย่างต่อเนื่องชิ้นแรกที่มีทั้งการรับรองจาก FDA และเส้นทางการชดเชยของ Medicare ที่เฉพาะเจาะจง

วิธีการทำงานของการชำระเงินเพิ่ม

อัตราการชำระเงินมาตรฐานของโรงพยาบาลถูกสร้างจากข้อมูลการเรียกร้องย้อนหลัง ดังนั้นโรงพยาบาลที่นำเทคโนโลยีที่ได้รับการอนุมัติใหม่มาใช้จะต้องรับภาระค่าใช้จ่ายภายในอัตราที่กำหนดไว้ก่อนเทคโนโลยีนั้น NTAP ปิดช่องว่างนี้ด้วยการชำระเงินเพิ่มแบบชั่วคราว ซึ่งเพิ่มเหนือการชำระเงินตามกลุ่มการวินิจฉัยมาตรฐาน สำหรับกรณีที่ใช้เทคโนโลยีที่มีคุณสมบัติตรงและค่าใช้จ่ายเกินกว่าที่การชำระเงินแบบรวมครอบคลุม

ตั้งแต่วันที่ 1 ตุลาคม 2026 โรงพยาบาลที่ใช้โซลูชันเซปซิสของ Bayesian จะสามารถเรียกเก็บค่าใช้จ่ายสำหรับการใช้เทคโนโลยีที่มีคุณสมบัติตรงในกรณีผู้ป่วยในแบบ Medicare fee‑for‑service สำหรับผู้ใหญ่ที่ระบบตรวจสอบได้ ซึ่งครอบคลุมประมาณ 739 กลุ่มการวินิจฉัย ตามที่ บริษัทกล่าวในประกาศของตน การจำหน่ายที่มีคุณสมบัติตรงจะได้รับการชำระเงินเพิ่มสูงสุดถึง $61.84 ต่อกรณี และเส้นทางนี้จะมีผลต่อเนื่องได้สูงสุดสามปี คู่มือการชดเชย ของบริษัทอธิบายว่าการชำระเงินนี้เป็นแบบต่อกรณี โดยไม่มีการขออนุมัติแยกต่างหาก และระบุว่ากลุ่มที่มีคุณสมบัติตรงนั้นประมาณ 97 เปอร์เซ็นต์ของทั้งหมดในระบบการชำระเงินล่วงหน้าผู้ป่วยใน

CMS กำหนดว่าเทคโนโลยีใดจะได้รับการชำระเงินเพิ่มผ่านกระบวนการสมัครประจำปีที่เชื่อมโยงกับรอบการออกกฎของหน่วยงาน แนวทางของหน่วยงาน ระบุเกณฑ์คุณสมบัติสามประการ: เทคโนโลยีต้องเป็นใหม่, ต้องมีค่าใช้จ่ายสูงพอที่อัตรากลุ่มการวินิจฉัยมาตรฐานไม่เพียงพอ, และต้องแสดงให้เห็นการปรับปรุงทางคลินิกอย่างมีนัยสำคัญเหนือทางเลือกที่มีอยู่ อุปกรณ์ในโครงการ Breakthrough Devices ของ FDA อาจมีสิทธิผ่านเส้นทางทางเลือกที่ไม่ต้องแสดงการปรับปรุงทางคลินิกอย่างมีนัยสำคัญ การชำระเงินเพิ่มโดยทั่วไปจะจำกัดที่จำนวนที่น้อยกว่าระหว่าง 65 เปอร์เซ็นต์ของต้นทุนเทคโนโลยีหรือ 65 เปอร์เซ็นต์ของส่วนที่ค่าใช้จ่ายของกรณีเกินกว่าการชำระเงินมาตรฐาน กฎขั้นสุดท้ายสำหรับปีงบประมาณ 2027 ถูกแสดงเมื่อวันที่ 31 กรกฎาคม 2026 และเผยแพร่เมื่อวันที่ 4 สิงหาคม 2026 ตาม หน้าของ CMS สำหรับกฎ โดยอัตราใหม่จะมีผลบังคับใช้สำหรับการจำหน่ายตั้งแต่หรือหลังวันที่ 1 ตุลาคม 2026

พื้นฐานด้านกฎระเบียบและคลินิก

อุปกรณ์ตรวจจับเซปซิสได้รับ การรับรอง FDA 510(k) เมื่อ 30 เมษายน 2026 ซึ่ง บริษัทประกาศเมื่อ 12 พฤษภาคม ว่าเป็นการรับรองครั้งแรกสำหรับระบบตรวจจับเซปซิสด้วย AI อย่างต่อเนื่อง การรับรองนี้ต่อเนื่องจากการได้รับการกำหนดเป็นอุปกรณ์ Breakthrough ของ FDA ก่อนหน้านั้น ซึ่งเป็นโปรแกรมเดียวกันที่เส้นทาง NTAP ทางเลือกที่ CMS ยอมรับในแนวทางของตน

Bayesian ระบุว่าอุปกรณ์ของบริษัทได้รับการตรวจสอบความถูกต้องในงานวิจัยเชิงทำนายที่ตีพิมพ์ใน Nature Medicine ซึ่งบริษัทอธิบายว่าเป็นหนึ่งในการประเมิน AI ในการดูแลผู้ป่วยที่ใหญ่ที่สุดตามที่ทราบ ตามข้อมูลของบริษัท ผู้ป่วยที่แพทย์ของพวกเขาตอบสนองต่อการแจ้งเตือนของระบบแสดงอัตราการเสียชีวิตลดลง 18.2 เปอร์เซ็นต์และได้รับยาต้านจุลชีพเร็วขึ้นโดยมีค่าเฉลี่ย 1.85 ชั่วโมง บริษัทยังรายงานว่าผลลัพธ์เหล่านี้ได้ถูกเทียบหรือเหนือกว่าในระบบสุขภาพที่หลากหลายหลายแห่ง โดยการนำเทคโนโลยีไปใช้โดยแพทย์มีอัตราเกิน 80 เปอร์เซ็นต์อย่างต่อเนื่อง การส่งยาต้านจุลชีพเร็วขึ้น การใช้ทรัพยากรน้อยลง และอัตราการเสียชีวิตจากเซปซิสที่ต่ำลง ตัวเลขประสิทธิภาพเหล่านี้เป็นการอธิบายของบริษัทเอง

เซปซิสเป็นการตอบสนองที่รุนแรงและอันตรายต่อชีวิตของร่างกายต่อการติดเชื้อ และหากไม่ได้รับการรักษาอย่างรวดเร็วอาจทำให้เกิดความเสียหายของเนื้อเยื่อ, การล้มเหลวของอวัยวะ, และการเสียชีวิต ตามข้อมูลของ CDC หน่วยงานประมาณว่าประมาณ 1.7 ล้านผู้ใหญ่ในสหรัฐอเมริกาติดเชื้อเซปซิสต่อปี และอย่างน้อย 350,000 ผู้ใหญ่ที่เป็นโรคนี้เสียชีวิตระหว่างการรักษาในโรงพยาบาลหรือถูกส่งต่อไปยังศูนย์ดูแลปลายชีวิต การรักษาอย่างรวดเร็วรวมถึงการให้ยาต้านจุลชีพโดยเร็วที่สุดเป็นสิ่งสำคัญในการเพิ่มอัตราการรอดชีวิต

การวิเคราะห์จาก Agency for Healthcare Research and Quality พบว่ามากกว่า 2 ล้านคนในสหรัฐอเมริกาถูกส่งโรงพยาบาลด้วยภาวะเซปซิสในปี 2021 โดยค่าใช้จ่ายของโรงพยาบาลเกิน 52 พันล้านดอลลาร์ในปีนั้น หน่วยงานอธิบายว่าเซปซิสเป็นสาเหตุการเข้ารับการรักษาในโรงพยาบาลที่พบบ่อยที่สุดหลังการคลอดบุตร และชี้ให้เห็นว่าการรับรู้และการรักษาในระยะเริ่มต้นยังคงเป็นความท้าทายสำคัญสำหรับโรงพยาบาล

แถลงการณ์ของบริษัท

\”การตรวจจับแต่เนิ่นควรเป็นโครงสร้างพื้นฐานมาตรฐานในทุกโรงพยาบาล\” Suchi Saria ผู้ก่อตั้งและซีอีโอของ Bayesian Health กล่าวในประกาศ เธอระบุว่าการอนุมัตินี้ทำให้ความขัดแย้งลดลง เพื่อให้เทคโนโลยีที่เธอเรียกว่าเป็นเทคโนโลยีที่พิสูจน์แล้วเข้าถึงแพทย์และผู้ป่วยได้เร็วขึ้น และเธอเน้นย้ำถึงคุณภาพสัญญาณที่แพทย์สามารถเชื่อถือได้ มากกว่าการชดเชยเอง

Martin Doerfler เจ้าหน้าที่การแพทย์สูงสุดของบริษัทกล่าวว่าโรงพยาบาลไม่ควรต้องเลือกระหว่างการควบคุมการเงินและการก้าวหน้าเหนือภาวะที่อันตรายที่สุดที่ผู้ป่วยของพวกเขาเผชิญ และเขาอธิบายว่าการตัดสินใจนี้เป็นการทำให้โมเดลการชำระเงินสอดคล้องกับความเป็นจริงทางคลินิก

การอนุมัติ NTAP เป็นการบ่งบอกถึงเหตุการณ์สำคัญด้านกฎระเบียบและนโยบายครั้งที่สองของ Bayesian Health ในปี 2026 หลังจากการรับรองจาก FDA เมื่อ 30 เมษายน บริษัทยังได้ขยายทีมผู้นำทางการแพทย์ของตนและร่วมมือกับ Mayo Clinic เพื่อนำแพลตฟอร์มของบริษัทไปสู่การดูแลแบบบรรเทาอาการ โดยใช้ปัญญาประดิษฐ์แบบเรียลไทม์ที่สร้างขึ้นสำหรับเซปซิสขยายไปยังสายบริการเพิ่มเติม ตามที่ระบุในประกาศ

อารียา บลูม เป็นนักข่าวที่สร้างโดย AI ที่สำรวจว่าปัญญาประดิษฐ์กำลังเปลี่ยนแปลงเทคโนโลยีชีวภาพและวิจัยจีโนมอย่างไร การเขียนของเธอผสมผสานความแม่นยำเข้ากับความอยากรู้อยากเห็นอย่างลึกซึ้งเกี่ยวกับอนาคตของวิทยาศาสตร์ชีวิต จากชีววิทยาสังเคราะห์ถึงการรักษาแบบบุคคล อารียา วิเคราะห์ว่าเครื่องมือการเรียนรู้ของเครื่องจักรกำลังเร่งนวัตกรรมสุขภาพของมนุษย์อย่างไร บทความที่เขียนโดยอารียา บลูมสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI สำหรับความถูกต้องและความสอดคล้อง