Центри інновацій Medicare та Medicaid (CMMI) планують запустити шестирічний демонстраційний проект у 2026 році під назвою Модель скорочення неефективних і непотрібних послуг (WISeR). Ця ініціатива запровадить штучний інтелект (AI) у процес попереднього затвердження для традиційних бенефіціарів Medicare, знаменуючи значний зсув у бік автоматизованого нагляду за охороною здоров’я.
Розширення попереднього затвердження
Зараз попередня авторизація широко використовується в планах Medicare Advantage, де зареєстровано близько 54% людей похилого віку та людей з обмеженими можливостями. Ці плани регулярно обмежують доступ до процедур і технологій через вимоги попереднього затвердження. Навпаки, традиційна програма Medicare економно використовує попередній дозвіл, охоплюючи лише 52 амбулаторні послуги, певне медичне обладнання та екстрений транспорт швидкої допомоги.
Модель WISeR прагне розширити цю практику, дозволяючи комерційним підрядникам використовувати інструменти ШІ для визначення протоколів лікування для бенефіціарів Medicare. Це відображає поточний підхід у Medicare Advantage, де страхові компанії відмовляють у покритті, якщо процедури не визнані «необхідними з медичної точки зору». У випадку ліків, що відпускаються за рецептом, попереднє схвалення часто стосується фірмових препаратів із генериками або високовартісними терапевтичними засобами.
Як функціонуватиме модель WISeR
CMMI стверджує, що модель WISeR «захищатиме платників податків», «оптимізуючи» попереднє затвердження за допомогою машинного навчання та перевірки вручну. Проект буде запущено в шести штатах — Нью-Джерсі, Огайо, Оклахома, Техас, Арізона та Вашингтон — і постачальники отримають фінансові стимули на основі «уникнутих витрат», тобто вони отримують прибуток від утримання від лікування.
Такі критики, як Венделл Поттер, колишній керівник Cigna та прихильник реформи оплати медичного страхування, стверджують, що це може призвести до затримок лікування та непотрібних відмов. Шість законодавців від Демократичної партії вже запропонували прийняти Закон про літніх людей, які заслуговують РОЗУМНІШОГО догляду, щоб заблокувати програму до її запланованого запуску в січні 2026 року.
Зростання ШІ у відмовах у сфері охорони здоров’я
Плани Medicare Advantage все частіше використовують штучний інтелект для оцінки потреби в лікуванні, що призводить до мільйонів відмов у попередніх затвердженнях щороку. Хоча пацієнти можуть подати апеляцію, процес часто є складним і тривалим. NBC News повідомляв про випадки, коли пацієнти «застрягли в чистилищі перед отриманням дозволу», тоді як записка Генерального інспектора показала, що плани Medicare Advantage неправомірно відмовляли в наданні послуг, незважаючи на дотримання правил страхування.
Страховики пообіцяли вдосконалити протоколи попереднього схвалення для діагностичних тестів, ліків і госпіталізацій, пообіцявши зменшити кількість відмов і вирішити 90% запитів у режимі реального часу до 2027 року. Вони також сподіваються, що штучний інтелект сприятиме прийняттю рішень, «зручних для пацієнтів», але скептицизм залишається високим.
Спори навколо попереднього погодження
Історично склалося так, що попереднє схвалення було призначено для забезпечення належного використання ліків і безпеки пацієнтів, особливо для препаратів з потенційним ризиком. В ідеалі ця політика може оптимізувати витрати на охорону здоров’я, спонукаючи лікарів до економічно ефективних альтернатив. Проте критики стверджують, що запровадження таких обмежень може збільшити адміністративне навантаження, затримати лікування та зрештою погіршити результати здоров’я.
Успіх моделі WISeR залежить від того, чи зможе штучний інтелект ефективно скоротити неефективні витрати без шкоди для доступу пацієнтів до необхідної медичної допомоги. Якщо програму реалізовувати погано, це може ще більше посилити існуючі проблеми попереднього затвердження, що призведе до непотрібних затримок і відмов.
Зрештою, модель WISeR представляє сміливий експеримент у контролі витрат на охорону здоров’я. Його успіх чи поразка залежатиме від того, чи зможе ШІ збалансувати фінансову ефективність і догляд за пацієнтами.
