IA nell’assistenza sanitaria, la sfida per tagliare i costi e migliorare l’accesso alle cure

I sistemi sanitari sempre più spesso si trovano a dover affrontare una sfida fondamentale: i processi volti a contenere i costi possono creare ostacoli dannosi sia per i pazienti che per il sistema stesso. I pazienti bisognosi di cure spesso si scontrano con procedure di autorizzazione lente, che ritardano l’accesso ai trattamenti e comportano un lavoro amministrativo considerevole.

Lo si legge nel commento a cura di Tenisha Elliott, Ricerca Sostenibile di Columbia Threadneedle Investments, secondo cui queste inefficienze generano costi reali, ma, allo stesso tempo, rappresentano un’opportunità per l’intelligenza artificiale (IA), quando combinata con sistemi interconnessi e criteri decisionali standardizzati. Gli strumenti di IA, insieme all’automazione basata su regole e allo scambio di dati, sono in grado di elaborare informazioni mediche complesse in modo rapido e coerente, potenzialmente riducendo il tempo di attesa dei pazienti per le decisioni terapeutiche e, contemporaneamente, tagliando l’onere amministrativo che grava sulle risorse sanitarie. Questo rappresenta un raro allineamento: si tratta di tecnologie che, se implementate in modo efficace, possono migliorare l’accesso alle cure e rafforzare la performance finanziaria delle organizzazioni sanitarie.

L'innovazione principale la si può riscontrare nelle tempistiche. Tradizionalmente, spiega Elliott, molti assicuratori sanitari riconsideravano le decisioni di copertura dopo l'erogazione dei servizi, riesaminando le richieste di rimborso a settimane di distanza e talvolta negando il pagamento per cure già ricevute. Ciò ha creato problemi di liquidità per le strutture sanitarie, incertezza per i pazienti e molte revisioni amministrative.

Gli strumenti decisionali supportati dall’IA, evidenzia Elliott, insieme a sistemi standardizzati di condivisione dei dati, consentono ora alle compagnie di assicurazione di valutare le questioni di copertura prima che vengano erogate le cure. Analizzando cartelle e quadro clinico in tempo reale, questi sistemi possono applicare regole di copertura assicurativa nel momento in cui i medici prescrivono esami o trattamenti. Negli Stati Uniti, nuovi requisiti normativi, in particolare per i piani regolamentati dal CMS (Centers for Medicare & Medicaid Services), come ad esempio Medicare Advantage, impongono tempi decisionali più rapidi (72 ore per le richieste urgenti e 7 giorni per quelle standard), ponendo così le basi per lo scambio di dati in tempo reale tra assicuratori e fornitori di assistenza sanitaria.

Questo cambiamento offre due vantaggi principali agli assicuratori per Elliott. In primo luogo, può contribuire a migliorare il Medical Cost Ratio, individuando servizi non necessari o duplicati prima che vengano erogati. I modelli predittivi possono aiutare ad identificare i pazienti ad alto rischio di complicanze e a indirizzarli in anticipo verso percorsi di cura appropriati. In secondo luogo, può migliorare la trasparenza attraverso un processo decisionale basato su regole chiare e che può essere verificato e motivato, riducendo il rischio normativo e rendendo più giustificabili le decisioni in caso di rifiuto.

Questi due elementi sono fondamentali soprattutto per i pazienti affetti da patologie complesse o croniche. Inoltre, precisa Elliott, tale sistema genera un minor numero di dinieghi tardivi e di ricorsi, il che significa minori attriti di tipo amministrativo per tutte le parti coinvolte.

I maggiori beneficiari di questa innovazione, secondo Elliott, saranno probabilmente gli stessi assicuratori sanitari, che ottengono un migliore controllo dei costi e una maggiore prevedibilità, insieme ai fornitori di infrastrutture che realizzano gli strumenti su cui si basano questi nuovi sistemi. Tra queste figurano aziende che forniscono piattaforme per l’autorizzazione preventiva, servizi di gestione dei dati sanitari basati su cloud, strumenti per la sicurezza dei pagamenti e automazione dei flussi di lavoro.

Al contrario, spiega Elliott, le aziende che traggono profitto dalle inefficienze nel settore sanitario potrebbero trovarsi in una posizione svantaggiata. Le aziende che operano nella revisione delle richieste di indennizzo post-cura, nella gestione dei dinieghi, nei servizi di audit e recupero e del controllo retroattivo dei pagamenti potrebbero vedere una diminuzione dei volumi nel tempo, man mano che le decisioni vengono prese più precocemente nel processo assistenziale.

Questo cambiamento, sottolinea Elliott, incide in modo non uniforme anche sui test diagnostici: gli esami di routine e ripetitivi, che l’IA può segnalare come non necessari, sono sotto pressione in termini di volumi, mentre i test per le diagnosi precoci che influenzano realmente le decisioni terapeutiche mantengono la loro importanza. Anche le aziende farmaceutiche potrebbero vedere i loro prodotti riclassificati, con criteri di copertura guidati dall’IA a favore di farmaci che dimostrano risultati chiari e misurabili e che ben si inseriscono in percorsi di cura standardizzati.

Guardando al futuro, osserva Elliott, la logica economica del processo decisionale connesso e abilitato dall’IA favorisce naturalmente la prevenzione e l’intervento precoce. Quando gli assicuratori riescono a identificare i pazienti ad alto rischio prima che insorgano complicazioni, hanno chiari incentivi finanziari ad approvare trattamenti preventivi ed interventi con anticipo. Ciò, secondo Elliott, può potenzialmente allineare la redditività degli assicuratori a migliori risultati sanitari a lungo termine, creando così un modello realmente sostenibile per la spesa sanitaria.

Tuttavia, puntualizza Elliott, questa tecnologia comporta anche dei rischi. I sistemi di intelligenza artificiale che prendono decisioni in merito alla copertura assicurativa devono essere implementati con una governance solida, una chiara responsabilità per gli errori e misure di protezione contro le distorsioni. Le aziende che implementano questi strumenti necessitano di politiche rigorose per un utilizzo responsabile dell’IA, di audit regolari dei modelli decisionali e di processi trasparenti affinché i pazienti possano comprendere e contestare le decisioni automatizzate.

Senza queste misure di salvaguardia, conclude Elliott, i miglioramenti in termini di efficienza potrebbero comportare danni reputazionali e una reazione negativa da parte delle autorità di regolamentazione, con il rischio di compromettere la proposta di valore.