Alaffia Health、病院の請求書の誤り検出にAIを活用

数十年にわたる医療費の高騰は、すぐに反転するとは予想されていません。この解決策を模索する中で、アドゥン・アカンニとTJ・アデミルイは2020年に共同でAlaffia Healthを設立しました。同社は、TechCrunch Disrupt Battlefield 200に参加したスタートアップ企業の一つです。このヘルステック企業は、機械学習を用いて医療費請求における不正、無駄、乱用の特定に取り組んでいます。

「私たちは、家族経営の医療請求会社で得た重要な知見をAlaffiaの設立に活かしました」と、アデミルイ氏はTechCrunchのインタビューで語った。「システムにおける無駄の大部分は、人為的なミス、請求処理における透明性の欠如、そして医療提供者と保険者間のインセンティブの不一致に起因していると判断しました。私たちは、ヘルスケア分野における深い専門知識を基盤に、最先端の機械学習とAIを用いてこれらの問題に取り組むためにAlaffiaを設立しました。」

Alaffiaは、主に医療保険会社や従業員に医療保険を提供する企業にサービスを提供しています。このプラットフォームは、AIを活用して病院の請求書から様々な医療請求手続きコードやサービス提供日などのデータを抽出・標準化し、医療提供者から送付された請求書内の誤りや過剰請求を検出することで、保険会社の支出削減を目指しています。

医療請求エラーの原因は多岐にわたりますが、多くの場合、二重請求、支払者への提出期限の超過、患者情報の取得漏れなどが挙げられます。非特異的な診断コードもよくある問題であり、アップコーディングやアンダーコーディングの発生につながります。アップコーディングとは、コード作成者が患者が実際に受けた、あるいは受けたことのないサービスよりも高いレベルのサービスを報告することであり、アンダーコーディングとは、請求コードが医師の診療内容を完全に反映していないことです。

メディケア・メディケイドサービスセンター（CMS）によると、医療費は2021年から2030年にかけて平均5.1%増加し、6兆8000億ドルに達すると予想されています。そして、この支出の大部分は医療保険請求におけるミスに起因しています。米国では、請求の約80%に少なくとも1つの医療請求ミスが含まれており、医療提供者の不正行為、無駄遣い、不正使用によって毎年最大3000億ドルもの損失が発生していると推定されています。

「医療システムにおけるデータ標準化の欠如により、これは非常に難しい技術的問題です。そのため、社内の注釈チームが生成したトレーニングデータを使用して、機械学習モデルを厳密にトレーニングしました」とアデミルイ氏は述べた。

アラフィアは、施設の請求書を精査し、「アンバンドリング」（つまり、処置の個々の部分に複数のコードを使用すること）などの誤りがないか確認するとともに、インプラントや手術といったより複雑な請求の正確性も確認しています。同社によると、AIの結果を相互参照するために、登録看護師、認定コード作成者、認定請求担当者を活用しているほか、各請求と対応する医療記録を精査する臨床レビューチームも活用しています。