9月25日、PYMNTSが「AI-Generated Medical Coding Adds Nearly $1 Billion to Blue Cross Costs」と題した記事を公開した。医療現場でのAIコーディングツールの普及がBlue Cross Blue Shieldの保険支払いコストを2年間で10億ドル近く押し上げたという調査結果を詳報している。
AIが医療請求コードを書き換えている
医療AIというと、診断支援や創薬への応用が注目されがちだ。だが今回の事例は、もっと地味で、しかし経済規模としてはるかに大きいユースケースに起きている。医療コーディング（診療行為や病名を標準コードに変換する業務）へのAI適用が、保険会社の支払いコストを静かに、しかし確実に押し上げているという話だ。
Blue Cross Blue Shield Association（BCBSA）が発表した調査によると、2024〜2025年にかけて医療機関が副病名（続発症・併存疾患）を請求に含める頻度が増加し、Blue Cross系保険会社に6億5,300万ドルの追加コストをもたらした。より包括的に見ると、2023年比で2年間の追加コストの合計は9億4,200万ドルに達する。
BCBSAは31の独立した保険会社を束ねる業界団体であり、加入者数は1億人以上。その規模でこれだけのコスト増が観測されたことは、業界全体のシグナルとして受け止めるべき数字だ。
「アンビエント・スクライブ」という静かな変革
今回のコスト増の背景にあるのが、アンビエント・スクライブ（ambient-scribe）システムと呼ばれるAIツールだ。これは診察室での医師と患者の会話をリアルタイムで聴き取り、自動的に医療記録の草稿を生成するシステムで、近年米国の医療機関で急速に普及している。
このシステムは副病名の見落としを減らすことを目的のひとつとしており、実際に患者の電子カルテ全体をスキャンして潜在的な合併症を自動検出する。問題はここからだ。医療請求において副病名や併存疾患が記録されると、入院ケースはより複雑な治療として分類され、保険会社への請求額が増加する仕組みになっている。
大腸手術のケースでは、2023年第1四半期から2025年第4四半期にかけて、腸の部分閉塞や体内の過剰な酸性状態（アシドーシス）といった副病名の記録が顕著に増加したとされる。
「不正」か「正確な記録」か
BCBSAは、副病名の増加がAIの不適切な利用を示すものではないと明言している。シニアバイスプレジデントのLuke Chalkerは「患者が本当に重症化しているなら、より多くの治療が行われるはずだ」とReutersに語った。つまり、AIが病名を水増ししているのではなく、これまで見落とされていた本物の副病名を正確に拾い上げている可能性がある、という立場だ。
一方、保険会社サイドには懸念も広がっている。元記事によると、一部の保険会社はすでに、AIを活用した積極的な請求行為（アップコーディング）が増加しているとの見解を示している。
「AIは医療記録の正確性を高める道具だ」という見方と、「AIが保険会社への請求を組織的に引き上げている」という見方が、現時点では並立している状態だ。真実は、おそらくどちらかではなく両方にある。
エンジニアが見るべき設計上の示唆
このケースが示しているのは、AIを業務プロセスに組み込むと、想定外の経済的連鎖が発生しうるという事実だ。医療コーディングAIの開発者たちが「見落としを減らす」という正当な目標で設計したシステムが、請求コード体系や保険会社との契約構造と組み合わさることで、年間数億ドル規模の支出変動を引き起こした。
これはAIの「悪用」の話ではない。意図は正しく、アウトプットも（おそらく）正確だ。だがシステムが接続されるコンテキスト次第で、効果の規模感はまったく変わる。
※編集部の考察：設計レベルで対策を考えるなら、いくつかの具体的な論点が浮かぶ。まず監査証跡（audit trail）の設計だ。AIが副病名を自動検出した場合、「どのカルテのどの記述を根拠にコードを付与したか」をトレース可能な形で記録しておくことは、不正疑惑への反証としても、システムの振る舞いの検証としても不可欠になる。次に人間レビューのゲート設計だ。請求コードへのAI適用は、診断支援とは異なり金銭的アウトカムに直結する。副病名の追加提案をAIが行う場合でも、それを請求データに反映する前に医師や医療事務担当者が確認するワークフローを明示的に設けることが、今後の規制対応の観点からも現実的な選択肢になりうる。そして閾値とスコープの明示だ。「カルテ全体をスキャンして潜在的な合併症を検出する」という設計は強力である一方、どこまでを「関連する副病名」とするかの判断基準が曖昧なままだと、意図せずアップコーディングに近い結果を生む。AIの提案範囲を設計段階で明確に定義し、定期的に再評価するサイクルが求められる。
詳細はAI-Generated Medical Coding Adds Nearly $1 Billion to Blue Cross Costsを参照していただきたい。
