BCBSA raamt 942 miljoen dollar aan extra kosten rond AI-codering

AI-ondersteunde codering hangt volgens de Blue Cross Blue Shield Association samen met een raming van 942 miljoen dollar aan extra claimkosten voor Amerikaanse verzekeraars in 2024 en 2025, vergeleken met de basislijn uit 2023.

Voor Nederlandse zorgaanbieders en verzekeraars bewijst dit geen vergelijkbaar risico in Nederland. Het maakt wel een controlepunt concreet: welke diagnose voegt software toe, welk medisch gegeven onderbouwt die en verandert de code daardoor de vergoeding?

BCBSA baseert de berekening op geanonimiseerde ziekenhuisdeclaraties van aangesloten verzekeraars. Reuters meldt dat de vereniging 31 onafhankelijke maatschappijen omvat die samen ruim 100 miljoen Amerikanen verzekeren. De uitkomst komt dus uit een grote Amerikaanse verzekerdenpopulatie, niet uit Nederlandse declaraties.

Wat de analyse laat zien

In de Amerikaanse declaratieketen scannen AI-tools patiëntendossiers, artsennotities en labuitslagen op secundaire diagnoses, zoals bloedarmoede. Die diagnose komt naast de hoofdreden voor opname te staan. Wanneer een secundaire diagnose een opname in een zwaardere diagnosegroep voor ziekenhuisvergoeding plaatst, stijgt ook de vergoeding. Daarom vergelijkt BCBSA codes met de behandelingen die bij die diagnoses horen. BCBSA noemt ook digitale notulisten die gesprekken omzetten in medische aantekeningen. Uit die aantekeningen kunnen aanvullende diagnoses naar voren komen.

Het aandeel ziekenhuisopnames dat als medisch complex was gecodeerd, steeg van ongeveer 37 procent begin 2023 naar 40 procent eind 2025. De whitepaper schat 55.158 extra complexe claims ten opzichte van de basislijn uit 2023, met 653 miljoen dollar aan extra vergoedingen, gemiddeld ongeveer 11.800 dollar per extra complexe claim. Dat bedrag is ongeveer 70 procent van de totale raming van 942 miljoen dollar.

Een verdieping naar grote darmoperaties laat dezelfde verschuiving zien. Tussen 2023 en 2025 steeg het aandeel claims in de hoogste complexiteitsgroep van 20,2 naar 22,7 procent. Het aandeel niet-complexe claims daalde van 36,6 naar 32,8 procent. Alleen deze operatiegroep vertegenwoordigde volgens de studie 60,8 miljoen dollar aan extra claimkosten.

De onderzoekers vergeleken ook diagnoses met de behandeling die daarbij verwacht wordt. Bij ziekenhuizen met de sterkste groei in complexe codering kwam bloedarmoede vaker op de claim voor dan bij andere ziekenhuizen: 13,7 tegenover 9,9 procent. Bij patiënten met die diagnose kregen juist minder mensen een bloedtransfusie: 16,9 tegenover 19,3 procent. BCBSA ziet daarin een aanwijzing dat de codering verandert zonder een vergelijkbare stijging in behandeling.

Ook het bredere zorggebruik liep niet op bij de ziekenhuizen met de sterkste codegroei. Intensivecaregebruik was daar 11,5 procent, tegen 13,2 procent bij andere ziekenhuizen. De mediane opnameduur bleef in beide groepen vier dagen.

De nieuwe analyse bouwt voort op apart BCBSA-onderzoek naar declaraties rond zwangerschapszorg uit maart. De septemberstudie kijkt naar grote darmoperaties, een andere groep claims dan het eerdere onderzoek.

AI-gebruik in de Amerikaanse zorgadministratie groeit ondertussen. In mei ondervroeg Oliver Wyman meer dan 200 beslissers en 90 eindgebruikers bij zorgaanbieders in de VS. Volgens de enquête verkende, testte of voerde 80 procent van de ondervraagde zorgstelsels generatieve AI in voor het declaratieproces. Dat geeft adoptiecontext, maar laat niet zien welke tools bij de claims in de BCBSA-analyse zijn gebruikt.

Samenhang is geen bewezen oorzaak

De cijfers tonen geen geïsoleerd causaal effect van AI. De BCBSA-studie volgt claimcodes door de tijd en vergelijkt diagnoses met behandelingen, maar beschrijft geen test die het effect van een specifieke AI-tool per declaratie meet. De hogere vergoeding en de verschuiving in codering vallen samen met bredere AI-adoptie. Dat ondersteunt de verklaring van BCBSA, maar bewijst niet dat AI de volledige 942 miljoen dollar heeft veroorzaakt.

Voor Nederlandse organisaties is het bedrag daarom geen gemeten Nederlands risico. De relevante auditvraag is wel concreet: kan een zorgaanbieder elke diagnose die een vergoeding verandert terugleiden naar de brondata, de klinische onderbouwing en de menselijke controle? Zo wordt zichtbaar of AI ontbrekende informatie uit een dossier aanvult of een declaratie verzwaart zonder overeenkomstige behandelgrond.