Di era Kecerdasan Buatan (Artificial Intelligence/AI), pesatnya perkembangan teknologi informasi (TI) dan berbagai jenis data, bidang seperti pembelajaran mesin (machine learning/ML) dan big data telah menjadi komponen penting dalam pengambilan keputusan. Masalah ekonomi dan kesehatan masyarakat yang penting di seluruh dunia adalah beban keuangan untuk layanan kesehatan dan penyakit. AI adalah istilah terkait dengan kemajuan yang menjadikan mesin menjadi “cerdas” dan bertujuan untuk mengembangkan sistem yang cerdas dan otonom. ML memungkinkan komputer untuk secara otomatis mempelajari dan meningkatkan pemahamannya.

Ketika negara perlu meningkatnya biaya layanan kesehatan, mereka berupaya melindungi warga negaranya dan kelompok rentan dari tingginya biaya layanan kesehatan yang tidak terjangkau dan memastikan akses terhadap layanan kesehatan yang komprehensif dan non-diskriminatif. Dalam beberapa tahun terakhir, para pembuat kebijakan, manajer kesehatan masyarakat nasional, dan akademisi makin prihatin terhadap pendanaan kesehatan masyarakat. Selain itu, tingginya dimensi data yang disebabkan oleh banyaknya faktor risiko pengeluaran pasien, seperti demografi, diagnosis, penyakit penyerta, dan lain-lain, membuat sistem menjadi rumit dan tidak dapat diprediksi. Untuk menangani data kesehatan yang sangat besar, pendekatan baru menerapkan berbagai algoritma pembelajaran mesin. Penerapan AI dalam manajemen layanan kesehatan dapat membantu menutup kesenjangan antara sumber daya yang tersedia dan permintaan layanan kesehatan masyarakat. Seiring berkembangnya AI, semakin banyak aplikasi manajemen layanan kesehatan yang digunakan.

Persoalan lain yang memerlukan pemikiran sistemis adalah stabilitas dana asuransi untuk mengendalikan pembayaran yang dilakukan sendiri; AI dapat membantu menyelesaikan masalah ini. Oleh karena itu, kebutuhan untuk mendapatkan gambaran rinci mengenai teknologi baru yang digunakan untuk pembiayaan kesehatan sangatlah penting untuk mendukung jalur menuju cakupan kesehatan universal. Artikel ini bertujuan untuk menyoroti penerapan terkini penerapan AI dalam pembiayaan kesehatan sehubungan dengan kemajuan AI terkini dan mengidentifikasi bidang penelitian potensial di masa depan.

Studi tinjauan cakupan yang dilakukan oleh Ramezani M., et al (2023) mengemukakan aplikasi AI dalam pembiayaan kesehatan dalam tatakelola, penggalangan pendapatan, pengumpulan, dan pembelian strategis.

1. Tatakelola (Governance)

Pada tingkat makro, AI dapat membantu menyelidiki faktor penentu sosial kesehatan mana yang dapat menyebabkan biaya lebih besar pada populasi pasien tertentu. Sebuah studi memperkenalkan pengembangan kerangka kerja untuk mengotomatiskan pengklasifikasian proyek kesehatan ke dalam berbagai kategori barang umum global untuk kesehatan. Studi ini menggambarkan kelayakan dan efisiensi pelacakan pembiayaan untuk barang-barang umum global di bidang kesehatan. Studi lain menggunakan berbagai kumpulan data untuk menyelidiki variabel mikro dan makro ekstrim, serta aliran dana negara untuk mengembangkan model yang mencakup variasi regional dalam jenis persoalan keuangan dan mengkalibrasinya untuk mengukur variasi regional.

Representasi informasi keuangan, misalnya seperti mengubah rangkaian waktu keuangan menjadi gambar, memperkirakan kejadian kasus medis, atau memperkirakan tingkat penyebaran penyakit, merupakan beberapa langkah awal dalam perencanaan kelembagaan yang membantu merencanakan strategi pengendalian kesehatan dan mengembangkan intervensi program berdasarkan sumber daya medis yang dibutuhkan dan strategi alokasi sumber daya yang efektif. Dengan menggunakan analisis big data, disabilitas dapat dideteksi lebih awal dibandingkan diagnosis klinis, sehingga memungkinkan pembuat kebijakan untuk bertindak tepat dalam mencegah disabilitas.

2. Penggalangan Pendapatan (Revenue Raising)

Untuk mengatasi tantangan peningkatan permintaan dengan sumber daya yang terbatas, para pengambil keputusan perlu mengeksplorasi pendekatan inovatif yang dapat membantu mempertahankan kualitas layanan yang diberikan kepada masyarakat.

Informasi biaya dapat dimasukkan ke dalam algoritma pengumpulan data untuk setiap faktor risiko untuk memperkirakan anggaran penyediaan layanan kesehatan untuk populasi sasaran tertentu. Informasi pengeluaran pasien dan analisis terkait oleh AI dapat membantu perusahaan farmasi mengoptimalkan proses produksi obat dan industri lainnya untuk manajemen inventaris yang lebih baik. Prediksi biaya layanan kesehatan dan variabel penting lainnya dalam pembiayaan kesehatan, seperti pengeluaran layanan kesehatan per kapita atau estimasi pengeluaran kesehatan dapat membantu sistem kesehatan untuk memiliki kebijakan yang lebih berbasis pengetahuan. AI dapat memfasilitasi penerapan strategi dinamis untuk memaksimalkan pendapatan.

3. Pengumpulan (Pooling)

Hasil analisis AI dapat memberikan panduan bagi pembuat kebijakan untuk mengatasi distribusi sumber daya medis yang tidak merata, meningkatkan sistem kesehatan masyarakat daerah, dan memfasilitasi koordinasi pemerintah dalam mengalokasikan sumber daya medis di berbagai tingkat. Hal ini pada akhirnya dapat meningkatkan kinerja keseluruhan sistem layanan medis dan kesehatan serta mendorong pembangunan yang seimbang dan terkoordinasi.

AI juga dapat membantu penerapan teknik untuk mengklasifikasikan penerima manfaat dari operator asuransi kesehatan, berdasarkan keberlanjutan finansial mereka, melalui karakteristik sosiodemografi dan riwayat biaya layanan kesehatan. Mengidentifikasi pasien berisiko tinggi dan biaya serta biaya tidak langsung dalam penerapan strategi mitigasi juga dapat membantu meningkatkan sistem kesehatan.

Selengkapnya dapat diakses melalui:
https://pmc.ncbi.nlm.nih.gov/articles/PMC10626800/