شرکت مشاوره فناوری Perficient، در اقدامی استراتژیک، مجموعه‌ای از ابزارهای مبتنی بر هوش مصنوعی را برای بهینه‌سازی امتیازات ستاره‌ای (Star Ratings) طرح‌های Medicare Advantage معرفی کرده است. این فناوری با هدف بهبود جایگاه طرح‌های بیمه در ارزیابی‌های CMS (مراکز خدمات Medicare و Medicaid) طراحی شده است؛ ارزیابی‌هایی که مستقیماً بر دسترسی به بیش از ۱۳ میلیارد دلار پاداش‌های فدرال سالانه تأثیرگذار هستند.
معماری فنی و قابلیت‌های تحلیلی پلتفرم جدید
ابزارهای هوش مصنوعی ارائه شده توسط Perficient، از سه لایه فنی کلیدی برای پیش‌بینی و بهبود عملکرد استفاده می‌کنند. نخست، تحلیل پیش‌بینانه (Predictive Analytics) که با پردازش داده‌های تاریخی بیماران، حوزه‌های پرخطر را شناسایی می‌کند. دوم، مدل‌سازی شبیه‌سازی (Simulation Modelling) که به مدیران طرح اجازه می‌دهد سناریوهای مختلف مداخلات درمانی را قبل از اجرا تست کنند و در نهایت، تعامل عامل‌محور (Agent-Driven Engagement) که یک سیستم خودکار برای تعامل هدفمند با اعضا و ارائه‌دهندگان خدمات درمانی است.
اهمیت استراتژیک امتیازات ستاره‌ای در اقتصاد سلامت
امتیازات ستاره‌ای سیستم CMS یک شاخص ۵ سطحی است که کیفیت خدمات درمانی را اندازه‌گیری می‌کند. طرح‌هایی که امتیاز ۴ یا بالاتر کسب کنند، به عنوان طرح‌های با کیفیت شناخته شده و از بنچمارک‌های پرداخت بالاتری بهره‌مند می‌شوند. با این حال، داده‌های منتشر شده در مهرماه ۱۴۰۵ (اکتبر ۲۰۲۶) نشان می‌دهد که شرایط برای شرکت‌های بیمه دشوارتر شده است؛ به طوری که تعداد قراردادهای حائز شرایط از ۲۲۹ به ۱۸۸ مورد کاهش یافته است. در چنین بازار پررقابتی، ابزارهای تحلیلی مبتنی بر هوش مصنوعی نه تنها به عنوان یک مزیت رقابتی، بلکه به عنوان ابزاری حیاتی برای بقای اقتصادی مطرح هستند.
چالش‌های ساختاری و نقدهای کارشناسی
علیرغم ورود تکنولوژی به این حوزه، انتقادات جدی نسبت به ماهیت امتیازدهی وجود دارد. نهادهایی نظیر MedPAC معتقدند که معیارهای کنونی CMS، شاخص‌های دقیقی برای سنجش کیفیت درمان نیستند و فاکتورهای ریسک اجتماعی در آن‌ها نادیده گرفته شده است. با این وجود، شرکت Perficient که در پاییز ۱۴۰۳ (اکتبر ۲۰۲۴) توسط گروه سوئدی EQT خریداری و از بورس خارج شد، با تکیه بر تیم ۷ هزار نفری خود در اروپا و آمریکای شمالی، به دنبال پر کردن شکاف بین عملکرد عملیاتی و شاخص‌های سخت‌گیرانه دولتی است.
مشخصات و قابلیت‌های کلیدی سیستم
- استفاده از الگوریتم‌های پیش‌بینانه برای شناسایی شکاف‌های مراقبتی.
- شبیه‌سازی سناریوهای پاداش برای بهینه‌سازی تخصیص منابع.
- اتوماسیون تعاملات جهت افزایش نرخ رضایت اعضا و انطباق با پروتکل‌های درمانی.
- پشتیبانی از مدیریت داده‌های کلان در مقیاس سیستم‌های بیمه‌ای ملی.
آینده‌نگری؛ تلاقی هوش مصنوعی، حقوق و نظارت
در حالی که Perficient در حال ارائه ابزارهای نرم‌افزاری است، دولت فدرال نیز از سمت مقابل در حال استفاده از هوش مصنوعی برای شناسایی تقلب در پرداخت‌ها (Fraud Detection) است. این تقابل تکنولوژیک، محیطی را ایجاد کرده که در آن دقت داده‌ها و انطباق با سیاست‌های CMS، مرز بین سودآوری میلیارد دلاری و شکست‌های حقوقی را مشخص می‌کند. شرکت‌هایی نظیر Humana و Clover Health هم‌اکنون درگیر چالش‌های قانونی بر سر نحوه محاسبه این امتیازات هستند که نشان می‌دهد هوش مصنوعی تنها بخشی از راهکار جامع مدیریت در عصر دیجیتال است.
