शोधकर्ताओं का कहना है कि AI मेडिकेड कवरेज के नुकसान को कम कर सकता है

AI एक कठिन मेडिकेड नीति बहस में प्रवेश करता है

शोधकर्ता कृत्रिम बुद्धिमत्ता और सार्वजनिक स्वास्थ्य प्रशासन के बारे में एक संकीर्ण लेकिन महत्वपूर्ण तर्क दे रहे हैं: AI राज्यों को नई मेडिकेड कार्य आवश्यकताओं को लागू करने में मदद कर सकता है, बिना कागजी कार्रवाई की विफलताओं के कारण कई पात्र लोगों को कवरेज खोने के बिना। यह विचार JAMA Health Forum में 7 अगस्त को प्रकाशित एक विशेष संचार में दिखाई देता है और वेइल कॉर्नेल मेडिकल कॉलेज द्वारा हाइलाइट किया गया है।

नीति की पृष्ठभूमि महत्वपूर्ण है। 2025 के बजट सुलह अधिनियम में शामिल एक नए संघीय नियम के तहत, अफोर्डेबल केयर एक्ट के मेडिकेड पात्रता विस्तार के माध्यम से नामांकित वयस्कों को कवरेज बनाए रखने के लिए 1 जनवरी से शुरू होने वाले प्रति माह कम से कम 80 घंटे योग्य कार्य या सामुदायिक सहभागिता गतिविधियों को पूरा करना होगा, या छूट मानदंडों को पूरा करना होगा। यह राज्य एजेंसियों और उनके द्वारा सेवा प्रदान किए जाने वाले लोगों के लिए एक बड़ा प्रशासनिक बोझ पैदा करता है।

शोधकर्ताओं का मुख्य बिंदु यह नहीं है कि AI कानून या आवश्यकता को बदलता है। यह है कि AI राज्यों को पात्रता सत्यापित करने, छूट की पहचान करने और उन लोगों के बीच रोकथाम योग्य विस्थापन को कम करने में मदद कर सकता है जो पहले से काम कर रहे हैं या जिन्हें कानूनी रूप से कवर रहना चाहिए लेकिन उस स्थिति का दस्तावेजीकरण करने में संघर्ष करते हैं।

असली समस्या प्रशासन है, केवल नीति डिजाइन नहीं

मेडिकेड लंबे समय से कई नामांकित लोगों के लिए नेविगेट करना मुश्किल रहा है। नियम राज्य के अनुसार भिन्न होते हैं, फॉर्म भ्रमित करने वाले हो सकते हैं, और रिपोर्टिंग सिस्टम का उपयोग करना कठिन हो सकता है। कार्य-रिपोर्टिंग दायित्वों को जोड़ने से यह संभावना बढ़ जाती है कि पात्र लोग प्रक्रियात्मक कारणों से कवरेज खो दें, न कि वास्तविक अपात्रता के कारण।

स्रोत सामग्री उस सटीक चिंता की ओर इशारा करती है। कई मामलों में, राज्यों को जब भी संभव हो अनुपालन या छूट की स्थिति सत्यापित करने के लिए मौजूदा डेटाबेस का उपयोग करने की आवश्यकता होती है। लेकिन उन डेटाबेस में हमेशा यह पुष्टि करने के लिए पर्याप्त जानकारी नहीं होगी कि कोई व्यक्ति नए नियम को पूरा करता है या नहीं। जब वे नहीं करते हैं, तो नामांकित लोगों को स्वयं दस्तावेज उपलब्ध कराने की आवश्यकता हो सकती है।

यह सिद्धांत में सीधा लगता है, लेकिन इतिहास अधिक परेशान करने वाला है। लेख अर्कांसस पर पिछले शोध का हवाला देता है, जहां समान कार्य आवश्यकता के तहत कुछ पात्र नामांकित लोगों ने आवश्यक दस्तावेज जमा करने में कठिनाई के कारण कवरेज खो दिया। यह उदाहरण लेखकों के तर्क के लिए केंद्रीय है। उनकी चिंता यह है कि प्रशासनिक घर्षण एक छिपी हुई पात्रता कटौती की तरह कार्य कर सकता है, जो उन लोगों को हटा देता है जो कागज पर योग्य हैं लेकिन प्रक्रिया को सफलतापूर्वक नेविगेट नहीं कर सकते हैं।

AI का उपयोग कैसे किया जा सकता है

स्रोत पाठ में वर्णित प्रस्ताव भविष्यवादी के बजाय व्यावहारिक है। लेखकों का सुझाव है कि AI उपकरण राज्य मेडिकेड एजेंसियों को उपलब्ध डेटा का बेहतर उपयोग करने, सत्यापन के कुछ हिस्सों को स्वचालित करने और नामांकित लोगों के साथ संचार में सुधार करने में मदद कर सकते हैं। प्रभाव में, AI का उपयोग जटिलता को प्रबंधित करने के लिए किया जाएगा, न कि निर्णयकर्ताओं को बदलने या नीति को फिर से लिखने के लिए।

एक संभावित भूमिका खंडित प्रशासनिक रिकॉर्ड में पैटर्न पहचान है। यदि पात्रता, कार्य भागीदारी, या छूट की स्थिति कई डेटाबेस से अनुमानित की जा सकती है जिन्हें मानव कर्मचारियों के लिए जल्दी से समेटना मुश्किल है, तो AI सिस्टम संभावित मिलानों को चिह्नित करने, लापता जानकारी की पहचान करने, या समीक्षा के लिए मामलों को अधिक कुशलता से रूट करने में मदद कर सकते हैं। एक और भूमिका संचार समर्थन है। राज्य अक्सर सादे भाषा में और पैमाने पर लाभ नियमों को समझाने के लिए संघर्ष करते हैं। AI-सहायता प्राप्त सिस्टम विशिष्ट नामांकित स्थितियों के अनुरूप स्पष्ट अनुस्मारक, मार्गदर्शन, या अनुवादित निर्देश उत्पन्न करने में संभावित रूप से मदद कर सकते हैं।

तर्क मेडिकेड कार्य नियमों से परे भी फैला हुआ है। शोधकर्ताओं का सुझाव है कि यदि AI सरकारों को इस नीति को अधिक सटीक रूप से लागू करने में मदद कर सकता है, तो समान उपकरण अन्य जटिल स्वास्थ्य देखभाल कार्यक्रमों में सहायता कर सकते हैं जिनमें पात्र लोगों को प्रक्रियात्मक बाधाओं के कारण पहुंच खोने का खतरा है।

यह क्या हल करेगा और क्या नहीं

दावे को बढ़ा-चढ़ाकर नहीं बताना महत्वपूर्ण है। स्रोत पाठ यह नहीं कहता है कि AI गलत कवरेज नुकसान को समाप्त कर देगा, और यह सुझाव नहीं देता है कि प्रशासनिक तकनीक कार्य आवश्यकताओं पर व्यापक राजनीतिक या नैतिक बहसों को हल कर सकती है। इसके बजाय, यह एक संकीर्ण कार्यान्वयन समस्या पर केंद्रित है: नौकरशाही को उन लोगों को अयोग्य ठहराने से कैसे रोका जाए जिन्हें नामांकित रहना चाहिए।

यह अंतर मायने रखता है क्योंकि प्रशासनिक प्रणालियों में अक्सर अपने स्वयं के नीतिगत परिणाम होते हैं। भ्रमित करने वाले दस्तावेज़ीकरण मानकों के माध्यम से लागू एक जटिल नियम ऐसे परिणाम उत्पन्न कर सकता है जो विधायकों के इरादे से कठोर दिखते हैं, विशेष रूप से अस्थिर कार्य कार्यक्रम, सीमित इंटरनेट पहुंच, विकलांगता, देखभाल कर्तव्यों, या एजेंसियों में असंगत रिकॉर्ड वाले लोगों के लिए। यहां तक कि एक तकनीकी रूप से पात्र व्यक्ति प्रक्रिया में विफल हो सकता है यदि नोटिस अस्पष्ट हैं या साक्ष्य समय पर जमा करना मुश्किल है।

इस संदर्भ में, AI को उन विफलता बिंदुओं को कम करने के तरीके के रूप में तैयार किया जा रहा है। यदि एजेंसियां अधिक जानकारी स्वचालित रूप से सत्यापित कर सकती हैं और लोगों से अधिक प्रभावी ढंग से संपर्क कर सकती हैं, तो कम नामांकित लोग दरारों से गिर सकते हैं। लेकिन दृष्टिकोण अभी भी डेटा गुणवत्ता, राज्य कार्यान्वयन विकल्पों, निरीक्षण और स्वयं उपकरणों के डिजाइन पर निर्भर करेगा।

जोखिम और अनसुलझे प्रश्न

सार्वजनिक-लाभ प्रणालियों में AI का उपयोग करने का कोई भी प्रस्ताव स्पष्ट चिंताएं पैदा करता है, भले ही लक्ष्य सुरक्षात्मक हो। स्वचालित या अर्ध-स्वचालित सिस्टम डेटा त्रुटियों को पुन: पेश कर सकते हैं, अपारदर्शी निर्णय पथ बना सकते हैं, या लोगों के लिए यह समझना कठिन बना सकते हैं कि उनकी स्थिति क्यों बदली। स्रोत सामग्री इस बात का पूरा तकनीकी ढांचा प्रदान नहीं करती है कि राज्यों को ऐसे उपकरणों को कैसे नियंत्रित करना चाहिए, लेकिन यह चूक आगे की चुनौती को रेखांकित करती है।

यदि AI का उपयोग मेडिकेड प्रशासन का समर्थन करने के लिए किया जाता है, तो राज्यों को पारदर्शिता, समीक्षा प्रक्रियाओं और त्रुटि सुधार के बारे में सावधान रहने की आवश्यकता होगी। एक उपकरण जो कर्मचारियों को संभावित छूट की पहचान करने में मदद करता है, फायदेमंद हो सकता है। एक उपकरण जो प्रभावी रूप से इनकार निर्णयों के लिए एक ब्लैक बॉक्स बन जाता है, नए जोखिम पैदा करेगा। इस सेटिंग में AI का वादा इस बात पर निर्भर करता है कि क्या यह उचित प्रक्रिया को कमजोर किए बिना प्रशासनिक बोझ को कम करता है।

क्षमता का मुद्दा भी है। राज्य मेडिकेड एजेंसियां तकनीकी परिष्कार, स्टाफिंग, खरीद क्षमता और डेटा बुनियादी ढांचे में व्यापक रूप से भिन्न होती हैं। कुछ उन्नत सिस्टम को जिम्मेदारी से तैनात करने की स्थिति में हो सकते हैं; अन्य मौजूदा डेटाबेस को एकीकृत करने के लिए भी संघर्ष कर सकते हैं। इसका मतलब है कि AI का प्रभाव देश भर में असमान हो सकता है।

यह अब क्यों मायने रखता है

संघीय कार्य-नियम आवश्यकता के लिए 1 जनवरी की शुरुआत की तारीख इस चर्चा को तात्कालिकता देती है। राज्य अमूर्त नीति बहस से परिचालन योजना की ओर बढ़ रहे हैं, और परिचालन विवरण लाखों लोगों के लिए वास्तविक परिणामों को आकार देंगे। शोधकर्ताओं की मुख्य चेतावनी यह है कि कार्यान्वयन यह निर्धारित कर सकता है कि कोई नियम इच्छित रूप से कार्य करता है या इसके बजाय उन लोगों से कवरेज छीन लेता है जो पात्र बने हुए हैं।

यह इसे सरकार में AI के बारे में एक कहानी से अधिक बनाता है। यह एक कहानी है कि क्या तकनीकी प्रणालियों का उपयोग लोगों को अत्यधिक जटिल स्वास्थ्य कार्यक्रम के भीतर प्रशासनिक नुकसान से बचाने के लिए किया जा सकता है। यदि शोधकर्ता सही हैं, तो AI उन उपकरणों में से एक बन सकता है जिनका उपयोग राज्य नए संघीय जनादेश का अनुपालन करते हुए पात्र मेडिकेड नामांकित लोगों को कवर रखने के लिए करते हैं। यदि सिस्टम खराब डिजाइन किए गए हैं या कमजोर रूप से शासित हैं, तो वे पहले से कठिन प्रक्रिया में भ्रम की एक और परत जोड़ सकते हैं।

अभी के लिए, सबसे बचाव योग्य निष्कर्ष भी सबसे संयमित है: AI मदद कर सकता है, लेकिन केवल अगर राज्य इसे सटीक, मानवीय प्रशासन के लिए समर्थन के रूप में मानते हैं, न कि समझने योग्य और जवाबदेह सार्वजनिक प्रणालियों के निर्माण की कड़ी मेहनत के आसपास एक शॉर्टकट के रूप में।

यह लेख मेडिकल एक्सप्रेस की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें।