事務作業が速くなることと、医療全体が安くなること
病院が診療記録を整え、保険会社が請求を確かめる。双方がAIを使って処理を速くしても、患者や医療制度全体の負担が減るとは限らない。米国で続くAIコーディングの議論は、効率化の目標を、誰の立場から測るかという問題を示している。
保険側のBlue Cross Blue Shield Association（BCBSA）は、AIを使った請求支援が、治療内容の変化を伴わずに診断コードや重症度の記載を増やし、支出を押し上げている可能性を指摘する。一方、American Hospital Association（AHA）は、患者の状態や外来への移行などを考慮せず、AIへ原因を帰しているとして反論する。
どちらも制度の利害当事者だ。本稿は、イノベトピアの解説を起点に、BCBSAの発表とAHAのファクトシートを分けて読み、何が観察で、何が解釈かを整理する。
診断を記録する精度が、支払いを動かす
病院の請求では、実施した処置だけでなく、合併症や併存症などの記録が分類に関係する。AIがカルテの情報を拾い、今まで記載されなかった項目を提案すれば、請求へ反映される診断が増える可能性がある。
この増加には異なる説明がありうる。必要な記載漏れを補ったのか、実態以上に高い分類へ寄せたのか、患者集団の状態が変化したのか。件数の増加だけでは一つに決められない。臨床上の根拠と、請求上の分類を結び付けて確かめる必要がある。
保険側の分析について元記事は、約6200万人をカバーする商業保険の入院請求を使い、一部病院で特定の分娩関連診断が増えた一方、対応する治療の増加が見られなかったと伝える。これは集団の記録についての報告であり、個々の患者の診断が誤りだったとの認定ではない。
BCBSAは全国への影響を約23億ドル規模とする見積もりも公表した。ただし、実測した範囲と全国へ広げた推計は違う。対象期間、病院群、入院と外来の範囲が異なる金額を混ぜると、規模の理解を誤る。元記事にある年額としての紹介も、すべての数字へ一律に当てはめず、参照した発表の対象範囲で読む必要がある。
保険側の分析だけでは、AIの因果効果を決められない
同じ時期にAI導入と診断コードの増加があっても、AIだけが原因だったと結論づけるには追加の確認がいる。導入した病院としなかった病院の患者構成、規模、記録方法、制度改定などが違う可能性があるからだ。
また、記録された診断に対して想定される治療が少なかったとしても、すべての患者に同じ処置を行うわけではない。請求データから見える範囲と、カルテを読んで判断すべき範囲は異なる。費用増加の手がかりとして重要でも、不正な請求の総額が確定したと扱うべきではない。
編集部の考察では、必要なのは導入前後の数字だけでなく、分類が変わった症例の根拠を調べることだ。AIの提案を誰が確認し、どれだけ取り消し、どの条件で確定したかが分かれば、記録改善と過大な提案を区別しやすくなる。
病院側は、患者集団の変化と審査負担を挙げる
AHAの8月の資料は、高齢化や慢性疾患の増加、軽い治療が外来へ移ったことで、入院患者の複雑さが上がっていると主張する。コードの詳細化には制度や分類の変更も関係し、AIの影響だけに還元できないという立場だ。
同資料は、AIが記録の正確さを助ける場合も、人による確認が不可欠とする。また、保険会社が自動処理で支払額を引き下げ、病院が異議申し立てに時間と費用を使う問題も指摘する。病院側の請求を監視する議論だけでなく、審査側の自動化が妥当かも問われている。
ここで、病院側の説明も中立な最終判断ではない。保険側の指摘に反論する団体の見解として読む必要がある。両者が持つデータや責任の範囲を確かめ、どの仮説が検証されたかを見ることが重要になる。
AI同士が書類を往復させる構造
病院側が収益を回収する効率を上げ、保険側が支払いを審査する効率を上げると、書類の往復も速く大量になる可能性がある。一件の処理時間が短くなっても、争う件数や再審査が増えれば、全体の管理コストは下がらない。
元記事が紹介するSTATのオピニオンは、この競争を一つの裁定エンジンへまとめる提案を示した。ただし、提案者は関連する事業を行う企業の立場でもある。統合すれば必ず公平になるという証拠としてではなく、利害のある提案として評価する必要がある。
編集部の見方では、統合型でも別々のシステムでも、判断の理由、誤りの訂正、異議申し立て、人による再確認が欠かせない。処理を一か所へ集めると、往復を減らせる一方、同じ誤りが広く適用される危険もある。速さと説明可能性を一緒に設計したい。
患者にとっての成果を評価へ入れる
請求の回収額や審査で削減した金額は、各組織には分かりやすい指標だ。しかし、患者の負担、説明を求める時間、支払いが確定するまでの期間、必要な医療へのアクセスは、それだけでは測れない。
導入効果を見るなら、手作業を何時間減らしたかと同時に、訂正率、異議申し立て、判定が覆った割合、最終的に人が使った時間を記録する方法が考えられる。AIの最初の提案が速くても、その後の調整が増えれば、業務としての利益は小さくなる。
日本の制度へ米国の金額をそのまま当てはめることもできない。診療報酬の仕組み、包括評価、審査の流れが違う。共通するのは、記録の支援と請求額の最適化が同じシステムに入ったとき、何を成功として学習・評価するかという問いだ。
以下は日本の組織に向けた編集部の考察だ。臨床記録として正確であること、請求ルールに適合すること、収益が増えることを別の指標にする。AIの提案は根拠へ戻れる形で残し、担当者が修正できるようにする。保険や契約の個別判断を、生成された説明文だけで確定させないことが重要になる。
AIは書類作成や検索を助けるが、対立する目標を自動で一致させるわけではない。医療費の議論から得られる教訓は、効率化という言葉の対象を具体化し、組織ごとの利益だけでなく、患者を含む仕事全体の結果を測ることにある。
確認日：2026年10月18日。運営会社：RO合同会社の公式HP。
ポッドキャスト燎RYOU課 ポッドキャスト
ポッドキャストを聴く →
