AIは医療事前承認を修復できるか：救世主か、それとも災害か？

米国の医療制度において、保険の事前承認（Prior Authorization）は長らく頭痛の種となってきた——医師が特定の検査や治療を処方する前に、保険会社の承認を得なければならないのだ。このプロセスは煩雑で時間がかかり、患者の治療をしばしば遅らせる。現在、米国政府は人工知能（AI）を用いて事前承認の決定を自動処理する試験的プロジェクトを進めており、技術的手段によってこの問題の解消を試みている。

事前承認とは何か？なぜこれほど問題なのか？

事前承認は、保険会社がコストを管理するための中核的なツールの一つである。医師が高額な画像診断（MRI・CTなど）、専門薬、または手術を提案する際には、まず保険会社に申請書を提出し、医療上の必要性を証明しなければならない。しかしこのプロセスには通常数日から数週間かかり、審査結果は拒否や追加情報の要求であることも多い。米国医師会の統計によれば、医師や医療スタッフは事前承認の処理に週平均約14時間を費やしており、これは年間数億ドルに相当する生産性の損失を意味する。

「事前承認は、医師の燃え尽き症候群と患者の治療遅延の主要な原因となっている。」——米国医師会前会長 Dr. Patrice Harris

AIの試験運用：期待と課題

今回の連邦政府による試験的プロジェクトは、医療保険・メディケイドサービスセンター（CMS）が主導し、機械学習モデルを用いて患者の診療記録・臨床ガイドライン・保険ポリシーを分析し、事前承認の決定を自動的に行うことを目的としている。理論上、AIは承認にかかる時間を数日から数分に短縮し、人為的ミスを減らし、医療スタッフの時間を解放できる。

しかし、原文の著者Joshua Cohenは鋭く指摘する：「AIは万能薬ではないかもしれない——それは古い問題を新しい問題に置き換えるだけかもしれない。」まず、AIモデルは過去のデータを基に訓練されるが、そのデータ自体に制度的偏見が含まれている可能性がある。たとえば、過去の事前承認の決定が少数民族や低所得層に対して差別的であった場合、AIはその偏見を引き継ぎ、増幅させてしまう。次に、AIアルゴリズムの「ブラックボックス」的な性質により、医師や患者は拒否の理由を理解しにくく、異議申し立てや説明責任のメカニズムが弱体化する。

さらに、保険会社の動機にも警戒が必要だ。事前承認の根本的な目的は患者ケアの最適化ではなく、支出の抑制である。AIの高い効率性により、保険会社はより多くの請求を容易に拒否できるようになる可能性がある——アルゴリズムの閾値を調整するだけで、人件費をほとんど増やすことなく給付を大幅に削減できるのだ。ハーバード大学医学部教授Amitabh Chandraが述べるように：「AIはインセンティブ構造を変えない。ただ、既存のインセンティブ構造を実行するためのツールをより強力にするだけだ。」

編集者注：技術は制度改革の代替にはなれない

AIの医療分野への応用には広大な可能性があるが、事前承認問題の本質は、保険制度と臨床判断の間の利害の綱引きである。単純なAI自動化では根本的な解決にならないかもしれない：透明性の監督と患者の権利保護が欠如していれば、AIはすでに不均衡なバランスをさらに傾けるだけになる。理想的な解決策は、AIによる意思決定支援と並行して、説明可能性に関する強制的な要件・独立した審査メカニズムを確立し、事前承認制度そのものを段階的に改革することだ——例えば、エビデンスが十分な標準的治療については事前承認を直接廃止するなどが考えられる。

現在、この試験的プロジェクトはニューヨーク、カリフォルニアなど5つの州で2年間のテストとして実施される予定であり、10万人以上の患者が関与すると見込まれている。その結果は、米国のみならず世界の医療技術発展の方向性に深い影響を与えるだろう。私たちは注視すべきだ：AIは結局、医師の頼もしい助手となるのか、それとも保険会社の新たな武器となるのか、と。

本記事はArs Technicaより編訳