AI di Rumah Sakit Justru Naikkan Biaya Tagihan Pasien

Penerapan kecerdasan buatan atau AI (Artificial Intelligence) di rumah sakit ternyata membawa konsekuensi tak terduga: tagihan pasien melonjak. Sebuah temuan terbaru mengungkap bahwa sistem pengkodean medis berbasis algoritma dapat mendorong munculnya kode diagnosis yang lebih kompleks, sehingga biaya perawatan yang harus ditanggung pasien dan asuransi ikut membengkak. Ibarat seperti kasir otomatis di supermarket yang memindai belanjaan dengan sangat teliti, AI memang membuat proses lebih cepat, tetapi setiap item kecil yang terdeteksi ikut tercatat di struk akhir.

Bagaimana AI Bisa Menaikkan Tagihan?

Inti persoalannya bukan pada AI sebagai mesin pintar, melainkan pada cara sistem ini digunakan dalam alur administrasi rumah sakit. Di banyak institusi kesehatan, AI dimanfaatkan untuk membantu staf medis menerjemahkan catatan dokter menjadi kode diagnosis dan prosedur. Sistem pengkodean ini menjadi dasar penghitungan klaim yang diajukan ke perusahaan asuransi.

Ketika AI memindai rekam medis elektronik, ia mampu mengenali lebih banyak detail dibandingkan mata manusia: gejala penyerta, riwayat penyakit, hingga komplikasi kecil yang mungkin terlewat jika dikerjakan manual. Hasilnya, satu kunjungan pasien bisa menghasilkan deretan kode yang lebih panjang. Semakin banyak kode yang tercatat, semakin besar nilai klaim yang diajukan. Di sinilah efisiensi administratif berubah menjadi beban finansial bagi pasien.

Asosiasi asuransi kesehatan Blue Cross Blue Shield Association (BCBSA) mencatat bahwa lonjakan pengkodean kompleks ini berkontribusi pada kenaikan biaya secara nasional. Angka yang beredar menyebut potensi pembengkakan mencapai US$1 miliar atau setara puluhan triliun rupiah. Angka ini bukan sekadar statistik, melainkan cerminan bagaimana teknologi dapat mengubah lanskap pembiayaan kesehatan tanpa disadari penggunanya.

Ketika Efisiensi Berubah Jadi Disrupsi Biaya

Pengembangan AI di sektor kesehatan selama ini dipuji karena mampu meningkatkan akurasi diagnosis, mempercepat penelitian obat, dan mengoptimalkan jadwal operasi. Namun, implementasi yang tidak diawasi ketat dapat menciptakan ekosistem yang justru menguntungkan pihak tertentu. Rumah sakit memperoleh klaim lebih besar, sementara pasien menghadapi tagihan yang sulit dipahami.

Bayangkan Anda masuk rumah sakit karena demam ringan. Dokter mendiagnosis demam tifoid, tetapi sistem AI juga mencatat dehidrasi ringan, riwayat alergi musiman, dan gangguan tidur sebagai kode tambahan. Secara medis mungkin benar, tetapi dampaknya pada tagihan bisa signifikan. Pasien awam tentu sulit membedakan mana kode yang esensial dan mana yang sekadar efek samping dari algoritma yang terlalu rajin.

Masalah ini diperparah oleh minimnya transparansi. Banyak pasien tidak pernah melihat rincian kode diagnosis yang dikenakan pada tagihan mereka. Mereka hanya menerima total akhir tanpa penjelasan memadai. Ketika AI memperbanyak kode, tidak ada mekanisme yang memastikan pasien memahami mengapa biayanya naik. Ini menciptakan ketidakadilan yang tersembunyi di balik kemasan teknologi canggih.

Perlunya Pengawasan dan Regulasi Algoritma

Para pakar kebijakan kesehatan menyerukan perlunya audit berkala terhadap sistem AI yang digunakan di fasilitas kesehatan. Pengembangan teknologi ini harus disertai kerangka regulasi yang jelas, termasuk kewajiban mengungkap logika di balik setiap kode yang dihasilkan. Tanpa pengawasan, AI berisiko menjadi alat pembenaran untuk menaikkan pendapatan, bukan alat untuk meningkatkan kualitas layanan.

Beberapa lembaga penelitian menyarankan pendekatan human-in-the-loop, di mana keputusan akhir tetap berada di tangan tenaga medis dan petugas pengkodean bersertifikat. AI sebaiknya berperan sebagai asisten, bukan penentu. Selain itu, rumah sakit perlu membangun mekanisme banding yang mudah diakses pasien jika mereka merasa tagihan tidak wajar.

Dari sisi pasien, literasi finansial kesehatan menjadi kian penting. Memahami istilah seperti klaim, koordinasi manfaat, dan kode diagnosis dapat membantu seseorang menavigasi sistem yang semakin rumit. Teknologi memang tidak bisa dihindari, tetapi pemahaman adalah kunci agar inovasi tidak berbalik menjadi beban.

Pada akhirnya, kasus ini menjadi pengingat bahwa setiap terobosan deep tech selalu membawa dua sisi. AI dapat menyelamatkan nyawa dan memangkas biaya operasional, tetapi juga dapat memperlebar celah pembengkakan biaya jika tidak dikelola dengan bijak. Pertanyaannya bukan lagi apakah kita harus mengadopsi AI, melainkan bagaimana kita memastikan teknologi ini bekerja untuk pasien, bukan sekadar untuk neraca keuangan institusi.