Pusat Inovasi Medicare & Medicaid (CMMI) akan meluncurkan proyek percontohan enam tahun pada tahun 2026, yang dikenal sebagai Model Pengurangan Layanan yang Boros dan Tidak Pantas (WISeR). Inisiatif ini akan memperkenalkan kecerdasan buatan (AI) ke dalam proses otorisasi sebelumnya bagi penerima manfaat Medicare tradisional, menandai perubahan signifikan menuju pengawasan layanan kesehatan otomatis.
Perluasan Otorisasi Sebelumnya
Saat ini, izin sebelumnya banyak digunakan dalam rencana Medicare Advantage, di mana sekitar 54% lansia dan penyandang disabilitas terdaftar. Rencana ini secara rutin membatasi akses terhadap prosedur dan teknologi melalui persyaratan pra-persetujuan. Sebaliknya, Medicare Tradisional menggunakan otorisasi sebelumnya dengan hemat, hanya mencakup 52 layanan rawat jalan, peralatan medis tertentu, dan transportasi ambulans non-darurat.
Model WISeR berupaya memperluas praktik ini dengan mengizinkan kontraktor nirlaba menggunakan alat AI untuk menentukan protokol pengobatan bagi pendaftar Medicare. Hal ini mencerminkan pendekatan yang ada di Medicare Advantage, di mana perusahaan asuransi menolak pertanggungan kecuali jika prosedur dianggap “perlu secara medis.” Dalam hal obat resep, izin sebelumnya sering kali berlaku untuk obat bermerek dengan alternatif generik atau terapi berbiaya tinggi.
Bagaimana Model WISeR Akan Berfungsi
CMMI mengklaim model WISeR akan “melindungi pembayar pajak” dengan “menyederhanakan” otorisasi sebelumnya menggunakan pembelajaran mesin dan tinjauan manusia. Proyek ini akan diluncurkan di enam negara bagian – New Jersey, Ohio, Oklahoma, Texas, Arizona, dan Washington – dengan vendor menerima insentif finansial berdasarkan “pengeluaran yang dapat dihindari”, yang berarti mereka mendapat keuntungan dari penolakan perawatan.
Kritikus, seperti Wendell Potter, mantan eksekutif Cigna dan pendukung reformasi pembayaran asuransi kesehatan, berpendapat bahwa hal ini dapat menyebabkan penundaan perawatan dan penolakan yang tidak beralasan. Enam anggota parlemen dari Partai Demokrat telah mengusulkan Undang-Undang Perawatan yang Lebih Cerdas untuk Lansia untuk memblokir program tersebut sebelum jadwalnya dimulai pada Januari 2026.
Bangkitnya AI dalam Penolakan Layanan Kesehatan
Rencana Medicare Advantage semakin banyak yang mengadopsi AI untuk menilai kebutuhan perawatan, yang menyebabkan jutaan penolakan setiap tahun berdasarkan izin sebelumnya. Meskipun pasien dapat mengajukan banding, prosesnya seringkali rumit dan memakan waktu. NBC News melaporkan kejadian di mana pasien “terjebak di api penyucian yang telah mendapat izin sebelumnya,” sementara memorandum Kantor Inspektur Jenderal menemukan bahwa rencana Medicare Advantage secara keliru menolak layanan meskipun memenuhi aturan cakupan.
Perusahaan asuransi kesehatan telah berjanji untuk meningkatkan protokol pra-persetujuan untuk tes diagnostik, pengobatan, dan prosedur rumah sakit, berjanji untuk mengurangi penolakan dan menyelesaikan 90% permintaan secara real-time pada tahun 2027. Mereka juga berharap bahwa AI akan memfasilitasi pengambilan keputusan yang “ramah pasien”, namun skeptisisme tetap tinggi.
Perdebatan Mengenai Otorisasi Sebelumnya
Secara historis, izin sebelumnya dimaksudkan untuk memastikan penggunaan obat yang tepat dan keselamatan pasien, khususnya untuk obat yang memiliki potensi risiko. Idealnya, kebijakan ini dapat mengoptimalkan belanja layanan kesehatan dengan mendorong dokter memilih alternatif yang hemat biaya. Namun, para kritikus berpendapat bahwa penerapan pembatasan tersebut dapat meningkatkan beban administratif, menunda perawatan, dan pada akhirnya memperburuk kondisi kesehatan.
Keberhasilan model WISeR bergantung pada apakah AI dapat secara efisien mengurangi pengeluaran yang boros tanpa mengorbankan akses pasien terhadap perawatan yang diperlukan. Jika diterapkan dengan buruk, program ini dapat semakin memperburuk tantangan yang ada dalam proses otorisasi sebelumnya, sehingga menyebabkan penundaan dan penolakan yang tidak perlu.
Pada akhirnya, model WISeR mewakili eksperimen berani dalam pengendalian biaya layanan kesehatan. Keberhasilan atau kegagalannya akan bergantung pada apakah AI dapat mencapai keseimbangan antara efisiensi finansial dan perawatan pasien.
