تجربه جدید

نیازمندی امروز

نظام بیمه سلامت ایران سال‌هاست با مجموعه‌ای از چالش‌های ساختاری و مزمن مواجه است؛ از رشد فزاینده هزینه‌های درمان گرفته تا گسترش تقلب‌های بیمه‌ای، ناکارآمدی فرآیندهای اداری، نارضایتی بیمه‌شدگان و تصمیم‌گیری‌هایی که گاه بدون پشتوانه داده‌ای و تحلیل دقیق اتخاذ می‌شوند. در کنار این مسائل، حجم انبوهی از داده‌های سلامت، مالی و جمعیتی در اختیار سازمان‌های بیمه‌گر قرار دارد که بخش قابل‌توجهی از آن بی‌استفاده یا کم‌استفاده باقی مانده است.

هوش مصنوعی به‌طور دقیق در نقطه تلاقی همین چالش‌ها وارد عمل می‌شود. این فناوری می‌تواند داده‌های پراکنده و حجیم را تحلیل، الگوهای پنهان را شناسایی، روند هزینه‌ها را پیش‌بینی و پیامدهای سیاست‌های جدید را پیش از اجرا شبیه‌سازی کند. به بیان ساده، هوش مصنوعی می‌تواند به «مغز تحلیلی» نظام بیمه سلامت تبدیل شود؛ مغزی که تصمیم‌گیری‌ها را از سطح حدس و گمان، به سطح تحلیل داده‌محور ارتقا می‌دهد.

 تجربه و بومی‌سازی

برای بررسی بهتر این موضوع، پژوهشگران مروری بر مطالعات داخلی و بین‌المللی انجام دادند که مهم‌ترین کاربردهای هوش مصنوعی در حوزه بیمه سلامت را شناسایی کنند. نتیجه این مرحله، انتخاب ۳۰ مطالعه معتبر از میان صدها مقاله منتشرشده در پایگاه‌های علمی جهانی بود. در مرحله دوم، برای بومی‌سازی یافته‌ها، پنل خبرگان با حضور متخصصان سیاست‌گذاری سلامت، مدیریت بیمه، اقتصاد سلامت و فناوری اطلاعات تشکیل شد. این گروه از خبرگان با بهره‌گیری از تکنیک دلفی، کاربردهای شناسایی‌شده را ارزیابی و اولویت‌بندی کردند و چهارچوبی متناسب با نیازها و ظرفیت‌های نظام بیمه سلامت ایران ارائه دادند.

محورهای اساسی

خروجی نهایی پژوهش، ارائه چهارچوب جامع شامل پنج حوزه اصلی و ۱۴ زیرحوزه کاربردی است که به‌عنوان نقشه راه استفاده از هوش مصنوعی در بیمه سلامت ایران معرفی می‌شود.

۱- مدیریت سلامت جمعیت، تغییر رویکرد از درمان به پیشگیری: یکی از مهم‌ترین کارکردهای هوش مصنوعی در بیمه سلامت، کمک به مدیریت سلامت جمعیت است. با تحلیل داده‌های بالینی، جمعیتی و اجتماعی، سامانه‌های هوشمند می‌تواند افراد پرخطر را شناسایی کند، هزینه‌های بالای درمان را پیش‌بینی کند و مداخلات زودهنگام را پیشنهاد دهد. این رویکرد، تمرکز نظام بیمه را از پرداخت هزینه‌های سنگین درمانی به سمت پیشگیری و کنترل زودهنگام بیماری‌ها سوق می‌دهد؛ رویکردی که هم به بهبود وضع سلامت بیمه‌شدگان منجر می‌شود و هم فشار مالی بر صندوق‌های بیمه‌ای را کاهش می‌دهد.

۲- تشخیص و پیشگیری از تقلب: بر اساس نظر خبرگان شرکت‌کننده در این پژوهش، تشخیص تقلب بیمه‌ای مهم‌ترین و فوری‌ترین کاربرد هوش مصنوعی در شرایط فعلی ایران است. تقلب در ادعاهای بیمه‌ای، یکی از عوامل اصلی اتلاف منابع در نظام سلامت به‌شمار می‌رود و سالانه هزینه‌های قابل‌توجهی را به بیمه‌ها تحمیل می‌کند. هوش مصنوعی با ابزارهایی همانند اعتبارسنجی هوشمند ادعاها، تحلیل رفتار بیمه‌شدگان و مراکز درمانی و شناسایی الگوهای غیرعادی هزینه و مراجعات، می‌تواند تقلب‌های پنهان را با دقتی به‌مراتب بالاتر از روش‌های سنتی شناسایی کند. تجربه کشورهای مختلف نیز نشان می‌دهد استفاده از الگوریتم‌های یادگیری ماشین، نقش موثری در کاهش هزینه‌های ناشی از تقلب‌های بیمه‌ای داشته است.

۳- افزایش بهره‌وری عملیاتی: افزایش بهره‌وری عملیاتی، محور مهم دیگر است. هوش مصنوعی می‌تواند بسیاری از فرآیندهای زمان‌بر و پرخطای اداری را خودکار کند؛ از پردازش نسخ و ادعانامه‌های بیمه‌ای گرفته تا کاهش خطاهای انسانی و کوتاه کردن زمان رسیدگی به پرونده‌ها. در کنار این موارد، استفاده از چت‌بات‌های هوشمند برای پاسخگویی شبانه‌روزی به بیمه‌شدگان، به‌عنوان یکی از راهکارهای کم‌هزینه و اثربخش معرفی شده است؛ راهکاری که هم رضایت کاربران را افزایش می‌دهد و هم بار کاری نیروی انسانی را کاهش می‌دهد. ارائه خدمات مراقبت‌های بهداشتی از سوی سازمان خدمات سلامت ایران در بستر هوش مصنوعی می‌تواند راهکار مناسبی برای تسهیل در ارائه برخی از این خدمات به بیمه‌شدگان در تمامی نقاط کشورمان به‌صورت یکسان باشد. بنابراین بهره‌مندی از تکنولوژی چت‌بات هوش مصنوعی در این حوزه یکی از ضرورت‌های سازمان بیمه سلامت ایران است.

۴- بهینه‌سازی هزینه‌ها: کنترل و پیش‌بینی هزینه‌های درمانی، همواره یکی از دغدغه‌های اصلی بیمه‌های سلامت بوده است. در این حوزه، هوش مصنوعی می‌تواند با تحلیل روند هزینه‌ها، پیش‌بینی مخارج آینده و کمک به قیمت‌گذاری دقیق حق بیمه‌ها، نقش اساسی ایفا کند. به گفته پژوهشگران، پیش‌بینی هزینه‌های درمانی در کنار تشخیص تقلب، بالاترین امتیاز را در ارزیابی خبرگان کسب کرده و یکی از اولویت‌های اصلی استفاده از هوش مصنوعی در بیمه سلامت ایران شناخته می‌شود. برای مثال، مطالعه‌هایی نشان می‌دهد که استفاده از AI برای کاهش خدمات غیرضروری، موجب کاهش 20درصدی در هزینه‌های بیمه سلامت شده است. در مجموع پیش‌بینی بودجه بیمه سلامت با استفاده از هوش مصنوعی به مدیریت بهتر هزینه‌ها کمک می‌کند. این فناوری می‌تواند الگوهای مصرفی را تحلیل کند و به بیمه‌دهندگان اجازه دهد بودجه‌هایشان را به‌صورت دقیق برنامه‌ریزی کنند.

۵- سیاست‌گذاری هوشمند: نقش راهبردی هوش مصنوعی، کمک به سیاست‌گذاری مبتنی بر شواهد است. این فناوری به سیاست‌گذاران امکان می‌دهد اثر سیاست‌های جدید را پیش از اجرا شبیه‌سازی کنند، پیامدهای مالی و اجتماعی تصمیمات را بسنجند و از اتخاذ تصمیمات پرهزینه و پرریسک جلوگیری کنند. در شرایطی که منابع مالی نظام سلامت محدود است، چنین قابلیتی می‌تواند به تحول اساسی در حکمرانی بیمه سلامت منجر شود. در حال حاضر، چند نوع هوش مصنوعی از سوی پرداخت‌کنندگان و ارائه‌دهندگان مراقبت و شرکت‌های علوم زیستی به کار گرفته شده است. دسته‌های اصلی این برنامه‌ها شامل نرم‌افزارهای ارائه‌دهنده توصیه‌های تشخیص و درمان، پیگیری مشارکت و پایبندی بیمار و فعالیت‌های اداری و اجرایی در زمینه خدمات سلامت است. سیستم‌های هوش مصنوعی باید از طریق تنظیم‌کننده‌ها تایید شوند، با سیستم‌های EHR یکپارچه و به حد کافی استاندارد شوند تا محصولات مشابه به روشی مشابه کار کنند، به پزشکان آموزش داده و هزینه آن از سوی پرداخت‌کنندگان دولتی یا خصوصی پرداخت شود.

Untitled-1 copy

اولویت‌های تعیین‌شده

یکی از نکات قابل‌توجه بحث رتبه‌بندی کاربردهای هوش مصنوعی است. برخلاف برخی تصورات رایج، استفاده از فناوری‌های پوشیدنی در شرایط فعلی ایران، در اولویت پایین‌تری نسبت به تشخیص تقلب، پیش‌بینی هزینه‌ها و افزایش بهره‌وری عملیاتی قرار دارد. این موضوع نشان می‌دهد که حرکت به سمت هوشمندسازی باید واقع‌بینانه و متناسب با زیرساخت‌های موجود طراحی شود.

الزامات اجرا

پژوهشگران تاکید می‌کنند موفقیت هوش مصنوعی تنها به خرید نرم‌افزار و فناوری‌های پیشرفته محدود نمی‌شود. اجرای اثربخش این رویکرد نیازمند توسعه زیرساخت‌های داده‌ای، استانداردسازی اطلاعات، تضمین محرمانگی و حریم خصوصی بیمه‌شدگان، آموزش مدیران و کارکنان و همچنین تدوین سیاست‌ها و مقررات حمایتی است. بدون فراهم شدن پیش‌نیازها، پیشرفته‌ترین الگوریتم‌ها کارایی لازم را ندارد.

از ایده تا نقشه

پژوهش‌ها نشان می‌دهد هوش مصنوعی می‌تواند از مفهوم انتزاعی و آینده‌نگرانه، به ابزار عملی برای تحول در نظام بیمه سلامت ایران تبدیل شود، به شرط آنکه با نگاهی مرحله‌ای، اولویت‌محور و بومی‌سازی‌شده به آن پرداخته شود. چهارچوب پیشنهادی نه نسخه آرمانی و دور از دسترس، بلکه نقشه راهی واقع‌گرایانه برای حرکت به سوی نظام بیمه سلامت هوشمند، شفاف و کارآمد است. نظامی که در آن تصمیم‌ها بر پایه داده گرفته می‌شود، منابع به شکل بهینه مصرف می‌شوند و رضایت بیمه‌شدگان در کانون توجه قرار می‌گیرد.

نتیجه‌گیری

نتایج پژوهش‌ها نشان می‌دهد هوش مصنوعی می‌تواند به‌عنوان ابزاری تحول‌آفرین در بهینه‌سازی فرآیندهای بیمه درمانی به کار گرفته شود. هوش مصنوعی با توانایی تحلیل حجم عظیمی از داده‌های سلامت، پیش‌بینی هزینه‌های درمان، تشخیص تقلب و خودکارسازی فرآیندهای اداری، نقش اساسی در افزایش کارایی و کاهش هزینه‌های بیمه‌های سلامت دارد. علاوه بر این، فناوری‌هایی همانند چت‌بات‌های مجهز به هوش مصنوعی می‌توانند در ارائه خدمات به بیمه‌شدگان و افزایش سطح رضایت آنها موثر باشند. بااین‌حال، اجرای این فناوری نیازمند توسعه زیرساخت‌های لازم، تدوین سیاست‌های حمایتی و افزایش آگاهی مدیران و کارکنان بیمه است. الگوی پیشنهادی ارائه‌شده در این پژوهش می‌تواند راهنمایی عملی برای سازمان‌های بیمه‌گر در مسیر استفاده بهینه از هوش مصنوعی باشد.

* این مطلب با مشورت و راهنمایی از مقاله «نقش و کارکردهای هوش مصنوعی در بیمه سلامت؛ ارائه چهارچوبی برای نظام بیمه سلامت ایران» به نویسندگی رضا والاگهر، مرضیه هادیان، محمد رنجبر و طاهره شفقت در فصلنامه علمی، پژوهشی بیمه سلامت ایران دوره 8، شماره 3، پاییز 1404 تهیه و تدوین شده است.