Bảo hiểm y tế (BHYT) giữ vai trò quan trọng trong việc hỗ trợ người dân tiếp cận dịch vụ khám chữa bệnh và bảo đảm nguồn lực tài chính cho hệ thống y tế. Để xác định một hồ sơ có phù hợp với quy định thanh toán hay không, quá trình giám định thường dựa trên các phác đồ điều trị, hướng dẫn chuyên môn và những tiêu chuẩn được ban hành.
Tuy nhiên, thực tiễn khám chữa bệnh luôn thay đổi. Nhiều cơ sở y tế có thể áp dụng những phương pháp điều trị mới hoặc điều chỉnh cách thức chăm sóc người bệnh trước khi các hướng dẫn chính thức được cập nhật. Khoảng cách giữa thực tế lâm sàng và các tiêu chuẩn hiện hành vì vậy có thể tạo ra nhiều khó khăn trong quá trình đánh giá hồ sơ BHYT.
Trong bối cảnh lượng dữ liệu khám chữa bệnh ngày càng lớn, trí tuệ nhân tạo (AI) được đưa vào thử nghiệm như một phương thức mới nhằm hỗ trợ nhận diện những trường hợp bất thường, đồng thời nâng cao hiệu quả quản lý và giám định BHYT.
Những bất cập trong việc kiểm soát chi phí bảo hiểm y tế
Hoạt động thanh toán BHYT cần dựa trên nhiều nhóm thông tin như tình trạng bệnh, phương pháp điều trị, dịch vụ kỹ thuật được sử dụng, thuốc và các khoản chi phí liên quan. Các dữ liệu này phải được đối chiếu với những tiêu chuẩn chuyên môn và quy định thanh toán tương ứng.
Một vấn đề phát sinh là phác đồ điều trị chuẩn có thể chưa theo kịp tốc độ thay đổi của thực hành y khoa. Một số kỹ thuật mới hoặc cách tiếp cận điều trị đã được triển khai trên thực tế nhưng chưa xuất hiện đầy đủ trong hướng dẫn hiện hành.
Khi đó, những hồ sơ điều trị phù hợp về mặt chuyên môn vẫn có khả năng phải trải qua quá trình xem xét kéo dài hoặc gặp khó khăn trong việc xác định tính phù hợp với tiêu chuẩn thanh toán.
Bên cạnh vấn đề cập nhật hướng dẫn, dữ liệu giữa thực tế điều trị và tiêu chí đánh giá cũng có thể tạo ra những khoảng trống bị lợi dụng để thực hiện hành vi gian lận, gây ảnh hưởng đến nguồn quỹ BHYT.
Các phương thức trục lợi ngày càng có thể trở nên phức tạp, trong khi cách thức kiểm tra thủ công đòi hỏi nhiều nhân lực và thời gian. Khi số lượng hồ sơ tăng lên, việc kiểm tra từng trường hợp riêng lẻ cũng khó phát hiện được những mối liên hệ bất thường nằm giữa nhiều nhóm dữ liệu.
AI được đưa vào phân tích dữ liệu BHYT như thế nào?
Một dự án thí điểm ứng dụng AI trong phát hiện gian lận BHYT đã được triển khai với sự phối hợp giữa đơn vị phát triển công nghệ và cơ quan Bảo hiểm xã hội Việt Nam.
Điểm đáng chú ý của hệ thống là quy mô dữ liệu được đưa vào phân tích rất lớn, lên tới 20 tỷ bản ghi. Trong giai đoạn thử nghiệm, mô hình tập trung vào 5 nhóm bệnh gồm:
- Viêm phế quản.
- Viêm tai giữa.
- Viêm ruột thừa.
- Thận nhân tạo.
- Đục thủy tinh thể.
Thay vì chỉ xem xét từng hồ sơ một cách độc lập, hệ thống AI phân tích nhiều trường dữ liệu để tìm kiếm mối quan hệ giữa tình trạng bệnh, điều kiện điều trị, chỉ định dịch vụ và chi phí phát sinh.
Các thông tin như mã bệnh, điều kiện điều trị, mã chi phí và những dữ liệu liên quan được đưa vào mô hình để xác định mức độ tương quan giữa chẩn đoán, phương pháp điều trị và khoản chi phí tương ứng.
Từ dữ liệu lớn đến chỉ số đánh giá bất thường
Một trong những điểm quan trọng của giải pháp là khả năng xây dựng các chỉ số đánh giá cho từng tổ hợp giữa bệnh và chi phí.
Thông qua việc học và phân tích dữ liệu, mô hình AI có thể xác định mức độ phù hợp của một trường hợp điều trị so với các tiêu chuẩn đang được sử dụng. Kết quả phân tích không đơn thuần chỉ nhằm xác định một hồ sơ là đúng hay sai mà có thể được sử dụng để phân loại, sàng lọc và đưa ra cảnh báo.
Những trường hợp có đặc điểm phù hợp có thể được hệ thống nhận diện như nhóm cần ít sự can thiệp kiểm tra hơn. Ngược lại, những hồ sơ xuất hiện dấu hiệu bất thường sẽ được đưa ra cảnh báo để cơ sở y tế hoặc cơ quan bảo hiểm tiếp tục kiểm tra, đánh giá.
Cách tiếp cận này giúp chuyển một phần công việc từ việc kiểm tra thủ công toàn bộ dữ liệu sang mô hình sàng lọc thông minh, trong đó AI hỗ trợ con người tập trung vào những trường hợp cần xem xét kỹ hơn.
Phát hiện nhiều dấu hiệu có nguy cơ trục lợi
AI có thể hỗ trợ nhận diện những mẫu dữ liệu bất thường liên quan đến các hành vi như lập hồ sơ không đúng thực tế, khai tăng hoặc tạo khống chi phí, chỉ định dịch vụ vượt quá nhu cầu hoặc những trường hợp có sự bất thường trong mối quan hệ giữa bệnh lý, điều trị và chi phí.
Điểm quan trọng là hệ thống đóng vai trò công cụ hỗ trợ phân tích và cảnh báo, chứ không thay thế hoàn toàn quá trình đánh giá của cán bộ chuyên môn.
Khi một trường hợp được hệ thống đánh dấu bất thường, kết quả này có thể trở thành cơ sở để cơ quan quản lý hoặc cơ sở y tế kiểm tra lại hồ sơ, đối chiếu thông tin và đưa ra kết luận theo quy trình nghiệp vụ.
Nhờ vậy, AI có thể góp phần giảm khối lượng dữ liệu mà con người phải rà soát thủ công, đồng thời tạo khả năng phát hiện những mối quan hệ khó nhận thấy nếu chỉ sử dụng phương pháp kiểm tra truyền thống.
Không chỉ phát hiện gian lận, AI còn hỗ trợ hoàn thiện phác đồ điều trị
Một giá trị khác của hệ thống nằm ở khả năng khai thác dữ liệu thực tế để phục vụ quá trình hoàn thiện chính sách.
Trong quá trình phân tích, AI có thể cung cấp thêm thông tin về mối quan hệ giữa bệnh lý, phương pháp điều trị, dịch vụ kỹ thuật và chi phí thực tế. Những dữ liệu này có thể trở thành nguồn tham khảo để cơ quan chuyên môn xem xét mức độ phù hợp của các hướng dẫn hiện hành với thực tiễn khám chữa bệnh.
Điều này đặc biệt có ý nghĩa trong bối cảnh y học liên tục phát triển. Khi phương pháp điều trị mới xuất hiện, việc cập nhật hướng dẫn cần có căn cứ từ thực tiễn và dữ liệu.
Theo hướng này, AI không chỉ được nhìn nhận như một công cụ chống gian lận mà còn có tiềm năng hỗ trợ quá trình xây dựng và điều chỉnh chính sách BHYT theo hướng linh hoạt hơn, dựa nhiều hơn vào dữ liệu thực tế.
Những thách thức khi xây dựng hệ thống AI
Phát triển mô hình AI cho lĩnh vực BHYT không phải là bài toán đơn giản bởi dữ liệu y tế có tính phức tạp cao.
Một hồ sơ có thể chứa nhiều trường thông tin liên quan đến bệnh, điều trị, dịch vụ kỹ thuật và chi phí. Các mối quan hệ giữa những dữ liệu này đôi khi không thể nhìn thấy trực tiếp.
Ngoài ra, dữ liệu BHYT trong lịch sử có thể tồn tại tình trạng chưa đồng nhất, thiếu chuẩn hóa hoặc xuất hiện nhiều trường hợp ngoại lệ. Trước khi đưa vào mô hình, dữ liệu cần trải qua quá trình làm sạch, chuẩn hóa và hiệu chỉnh để hạn chế ảnh hưởng đến kết quả phân tích.
Một thách thức khác là dữ liệu khám chữa bệnh không cố định. Quy trình điều trị có thể thay đổi, chính sách thanh toán có thể được điều chỉnh và hành vi sử dụng dịch vụ y tế cũng biến động theo thời gian.
Nếu mô hình AI không được cập nhật, hiệu quả nhận diện các trường hợp bất thường có thể giảm dần khi môi trường dữ liệu thay đổi. Vì vậy, việc theo dõi kết quả, đánh giá lại mô hình và cải tiến thường xuyên là một phần quan trọng trong quá trình vận hành.
Kết quả thử nghiệm và tiềm năng triển khai
Trong giai đoạn thử nghiệm, mô hình đạt mức độ chính xác được công bố là gần 90%. Đây là kết quả bước đầu cho thấy khả năng ứng dụng AI vào bài toán phân tích và phát hiện dấu hiệu bất thường trong dữ liệu BHYT.
Theo đánh giá từ dự án, nếu được triển khai trên quy mô rộng, giải pháp có tiềm năng góp phần tiết kiệm nguồn lực rất lớn, với khả năng giảm thất thoát và tối ưu chi phí lên tới hàng nghìn tỷ đồng.
Tuy nhiên, đây mới là kết quả của quá trình thử nghiệm và không nên hiểu rằng AI có thể tự động xác định mọi trường hợp gian lận. Trong thực tế, kết quả cảnh báo vẫn cần được xem xét trong bối cảnh chuyên môn, hồ sơ bệnh án và các quy định liên quan.
Hướng tới quản lý BHYT dựa trên dữ liệu
Việc đưa AI vào phân tích dữ liệu BHYT cho thấy một hướng tiếp cận mới trong quản lý quỹ bảo hiểm và giám định chi phí khám chữa bệnh.
Thay vì phụ thuộc chủ yếu vào việc kiểm tra thủ công, hệ thống có thể xử lý lượng dữ liệu rất lớn, tìm kiếm các mô hình bất thường và hỗ trợ con người khoanh vùng những trường hợp cần kiểm tra sâu.
Quan trọng hơn, dữ liệu thu được từ quá trình phân tích còn có thể trở thành nguồn thông tin phục vụ việc đánh giá lại các quy định và phác đồ điều trị. Qua đó, hoạt động quản lý BHYT có thể từng bước chuyển từ cách tiếp cận dựa nhiều vào quy định cố định sang mô hình kết hợp giữa quy định chuyên môn và bằng chứng dữ liệu thực tế.
Nếu tiếp tục được hoàn thiện, các hệ thống AI như vậy có thể trở thành một thành phần hỗ trợ trong quá trình số hóa quản lý y tế, góp phần nâng cao khả năng giám sát, sử dụng hiệu quả nguồn quỹ BHYT và phát hiện sớm những dấu hiệu bất thường trong thanh toán khám chữa bệnh.
Dù vậy, hiệu quả lâu dài của giải pháp vẫn phụ thuộc vào chất lượng dữ liệu, khả năng cập nhật mô hình, mức độ chuẩn hóa thông tin và sự phối hợp giữa công nghệ với đội ngũ chuyên môn. AI vì thế nên được xem là công cụ hỗ trợ ra quyết định dựa trên dữ liệu, trong khi việc kết luận và xử lý các trường hợp cụ thể vẫn cần tuân thủ quy trình nghiệp vụ và đánh giá của con người.