संशोधकांचा दावा: एआयमुळे मेडिकेड कव्हरेजचे नुकसान कमी होऊ शकते

एआय एका कठीण मेडिकेड धोरणाच्या वादात प्रवेश करतो

संशोधक कृत्रिम बुद्धिमत्ता आणि सार्वजनिक आरोग्य प्रशासनाबद्दल एक संकुचित पण महत्त्वाचा युक्तिवाद करत आहेत: एआय राज्यांना नवीन मेडिकेड कामाच्या आवश्यकता पूर्ण करण्यास मदत करू शकतो, ज्यामुळे कागदपत्रांच्या अपयशामुळे पात्र असलेल्या लोकांचे कव्हरेज कमी होणार नाही. ही कल्पना 7 ऑगस्ट रोजी JAMA Health Forum मध्ये प्रकाशित झालेल्या एका विशेष संवादात दिसते आणि वेल कॉर्नेल मेडिकल कॉलेजने अधोरेखित केली आहे.

धोरणाची पार्श्वभूमी महत्त्वपूर्ण आहे. 2025 च्या बजेट तडजोड कायद्यात समाविष्ट असलेल्या नवीन फेडरल नियमानुसार, Affordable Care Act च्या मेडिकेड पात्रता विस्ताराद्वारे नोंदणी केलेल्या प्रौढांना कव्हरेज कायम ठेवण्यासाठी 1 जानेवारीपासून दरमहा किमान 80 तास पात्र काम किंवा समुदाय सहभाग क्रियाकलाप पूर्ण करणे किंवा सूट निकष पूर्ण करणे आवश्यक आहे. यामुळे राज्य एजन्सी आणि त्यांच्या सेवा घेणाऱ्या लोकांवर मोठा प्रशासकीय भार पडतो.

संशोधकांचा मुख्य मुद्दा असा नाही की एआय कायदा किंवा आवश्यकता बदलतो. तर एआय राज्यांना पात्रता सत्यापित करण्यास, सूट ओळखण्यास आणि आधीच काम करत असलेल्या किंवा कायदेशीररित्या कव्हर राहिले पाहिजे परंतु ती स्थिती दस्तऐवजीकरण करण्यासाठी संघर्ष करणाऱ्या लोकांमध्ये टाळता येण्याजोगे विमा-नुकसान कमी करण्यास मदत करू शकतो.

खरी समस्या प्रशासन आहे, केवळ धोरण रचना नाही

मेडिकेड बर्याच नोंदणीकर्त्यांसाठी दीर्घकाळ नेव्हिगेट करणे कठीण आहे. नियम राज्यानुसार भिन्न असतात, फॉर्म गोंधळात टाकणारे असू शकतात आणि अहवाल प्रणाली वापरण्यास कठीण असू शकतात. कामाच्या अहवालाच्या जबाबदाऱ्या जोडल्याने पात्र लोकांना वास्तविक अपात्रतेऐवजी प्रक्रियात्मक कारणांमुळे कव्हरेज गमावण्याची शक्यता वाढते.

स्रोत सामग्री त्या चिंतेकडे निर्देश करते. बर्याच प्रकरणांमध्ये, राज्यांना शक्य असेल तेव्हा अनुपालन किंवा सूट स्थिती सत्यापित करण्यासाठी विद्यमान डेटाबेस वापरणे आवश्यक आहे. परंतु त्या डेटाबेसमध्ये एखादी व्यक्ती नवीन नियम पूर्ण करते की नाही याची पुष्टी करण्यासाठी नेहमीच पुरेशी माहिती नसते. जेव्हा ते नसते, तेव्हा नोंदणीकर्त्यांना स्वतःहून कागदपत्रे प्रदान करावी लागतात.

सिद्धांतानुसार हे सोपे वाटते, परंतु इतिहास अधिक त्रासदायक आहे. लेखात अर्कान्सासवरील पूर्वीच्या संशोधनाचा उल्लेख आहे, जिथे काही पात्र नोंदणीकर्त्यांनी समान कामाच्या आवश्यकतेनुसार आवश्यक कागदपत्रे सादर करण्यात अडचण आल्याने कव्हरेज गमावले. हे उदाहरण लेखकांच्या युक्तिवादाच्या केंद्रस्थानी आहे. त्यांची चिंता अशी आहे की प्रशासकीय घर्षण लपविलेल्या पात्रता कटप्रमाणे कार्य करू शकते, ज्यामुळे कागदावर पात्र असलेल्या परंतु प्रक्रिया यशस्वीरित्या नेव्हिगेट करू शकत नसलेल्या लोकांना काढून टाकले जाते.

एआय कसे वापरले जाऊ शकते

स्रोत मजकूरात वर्णन केलेला प्रस्ताव भविष्यवादी ऐवजी व्यावहारिक आहे. लेखक सुचवतात की एआय साधने राज्य मेडिकेड एजन्सींना उपलब्ध डेटाचा चांगला वापर करण्यास, पडताळणीचे काही भाग स्वयंचलित करण्यास आणि नोंदणीकर्त्यांशी संवाद सुधारण्यास मदत करू शकतात. प्रत्यक्षात, एआय जटिलता व्यवस्थापित करण्यासाठी वापरला जाईल, निर्णय घेणाऱ्यांची जागा घेण्यासाठी किंवा धोरण पुन्हा लिहिण्यासाठी नाही.

एक संभाव्य भूमिका म्हणजे विखंडित प्रशासकीय रेकॉर्डमधील नमुना ओळख. जर पात्रता, कामाचा सहभाग किंवा सूट स्थिती अनेक डेटाबेसमधून अनुमानित केली जाऊ शकते जी मानवी कर्मचार्यांना त्वरीत समेट करणे कठीण आहे, तर एआय सिस्टम संभाव्य जुळणी ध्वजांकित करण्यास, गहाळ माहिती ओळखण्यास किंवा प्रकरणे अधिक कार्यक्षमतेने पुनरावलोकनासाठी रूट करण्यास मदत करू शकतात. दुसरी भूमिका संवाद समर्थन आहे. राज्ये बर्याचदा साध्या भाषेत आणि मोठ्या प्रमाणात लाभ नियम समजावून सांगण्यासाठी संघर्ष करतात. एआय-सहाय्यित प्रणाली विशिष्ट नोंदणीकर्त्यांच्या परिस्थितीनुसार स्पष्ट स्मरणपत्रे, मार्गदर्शन किंवा भाषांतरित सूचना तयार करण्यात मदत करू शकतात.

हा युक्तिवाद मेडिकेड कामाच्या नियमांच्या पलीकडे देखील विस्तारतो. संशोधक सुचवतात की जर एआय सरकारांना हे धोरण अधिक अचूकपणे लागू करण्यास मदत करू शकते, तर समान साधने इतर गुंतागुंतीच्या आरोग्य सेवा कार्यक्रमांना मदत करू शकतात ज्यामध्ये पात्र लोकांना प्रक्रियात्मक अडथळ्यांमुळे प्रवेश गमावण्याचा धोका असतो.

हे काय सोडवेल आणि काय नाही

दावा जास्त सांगू नये हे महत्त्वाचे आहे. स्रोत मजकूर असे म्हणत नाही की एआय चुकीचे कव्हरेज नुकसान दूर करेल आणि प्रशासकीय तंत्रज्ञान कामाच्या आवश्यकतांवरील व्यापक राजकीय किंवा नैतिक वाद सोडवू शकते असे सुचवत नाही. त्याऐवजी, ते एका संकुचित अंमलबजावणी समस्येवर लक्ष केंद्रित करते: नोकरशाहीला पात्र असलेल्या लोकांची अपात्रता कशी टाळता येईल.

हा फरक महत्त्वाचा आहे कारण प्रशासकीय प्रणाली बर्याचदा स्वतःचे धोरणात्मक परिणाम घेऊन जातात. गोंधळात टाकणाऱ्या दस्तऐवजीकरण मानकांद्वारे लागू केलेला एक जटिल नियम कायदेकर्त्यांच्या हेतूपेक्षा कठोर दिसणारे परिणाम निर्माण करू शकतो, विशेषत: अस्थिर कामाचे वेळापत्रक, मर्यादित इंटरनेट प्रवेश, अपंगत्व, काळजी घेण्याची कर्तव्ये किंवा एजन्सींमधील विसंगत रेकॉर्ड असलेल्या लोकांसाठी. तांत्रिकदृष्ट्या पात्र व्यक्ती देखील प्रक्रिया अयशस्वी होऊ शकते जर सूचना अस्पष्ट असतील किंवा पुरावे वेळेवर सादर करणे कठीण असेल.

या संदर्भात, एआयला त्या अपयशाचे मुद्दे कमी करण्याचा एक मार्ग म्हणून तयार केले जात आहे. जर एजन्सी अधिक माहिती स्वयंचलितपणे सत्यापित करू शकतात आणि लोकांशी अधिक प्रभावीपणे संपर्क साधू शकतात, तर कमी नोंदणीकर्ते क्रॅकमधून पडू शकतात. परंतु दृष्टीकोन अद्याप डेटा गुणवत्ता, राज्य अंमलबजावणी निवडी, देखरेख आणि साधनांच्या डिझाइनवर अवलंबून असेल.

जोखीम आणि अनुत्तरित प्रश्न

सार्वजनिक-लाभ प्रणालींमध्ये एआय वापरण्याचा कोणताही प्रस्ताव स्पष्ट चिंता निर्माण करतो, जरी ध्येय संरक्षणात्मक असले तरीही. स्वयंचलित किंवा अर्ध-स्वयंचलित प्रणाली डेटा त्रुटी पुनरुत्पादित करू शकतात, अपारदर्शक निर्णय मार्ग तयार करू शकतात किंवा लोकांना त्यांची स्थिती का बदलली हे समजणे कठीण करू शकतात. स्रोत सामग्री अशा साधनांचे राज्यांनी कसे नियमन करावे यासाठी संपूर्ण तांत्रिक फ्रेमवर्क प्रदान करत नाही, परंतु ती वगळल्याने पुढील आव्हान अधोरेखित होते.

जर एआय मेडिकेड प्रशासनास समर्थन देण्यासाठी वापरला गेला तर, राज्यांना पारदर्शकता, पुनरावलोकन प्रक्रिया आणि त्रुटी सुधारणेबाबत काळजी घ्यावी लागेल. एक साधन जे कर्मचार्यांना संभाव्य सूट ओळखण्यास मदत करते ते फायदेशीर ठरू शकते. एक साधन जे प्रभावीपणे नकार निर्णयांसाठी ब्लॅक बॉक्स बनते ते नवीन जोखीम निर्माण करेल. या सेटिंगमध्ये एआयचे आश्वासन यावर अवलंबून आहे की ते योग्य प्रक्रिया कमकुवत न करता प्रशासकीय भार कमी करते.

क्षमतेचा मुद्दा देखील आहे. राज्य मेडिकेड एजन्सी तांत्रिक अत्याधुनिकता, कर्मचारी, खरेदी क्षमता आणि डेटा पायाभूत सुविधांमध्ये मोठ्या प्रमाणात बदलतात. काही जबाबदारीने प्रगत प्रणाली तैनात करण्याच्या स्थितीत असू शकतात; इतरांना विद्यमान डेटाबेस समाकलित करण्यात देखील अडचण येऊ शकते. याचा अर्थ एआयचा प्रभाव देशभरात असमान असू शकतो.

हे आता का महत्त्वाचे आहे

फेडरल काम-नियम आवश्यकतेसाठी 1 जानेवारीची प्रारंभ तारीख या चर्चेला तातडी देते. राज्ये अमूर्त धोरण वादातून ऑपरेशनल नियोजनाकडे जात आहेत आणि ऑपरेशनल तपशील लाखो लोकांच्या वास्तविक परिणामांना आकार देतील. संशोधकांचा मुख्य इशारा असा आहे की अंमलबजावणी नियम हेतूप्रमाणे कार्य करते की पात्र राहिलेल्या लोकांचे कव्हरेज काढून टाकते हे ठरवू शकते.

यामुळे ही सरकारमधील एआयबद्दलची कथा बनते. ही एक कथा आहे की तांत्रिक प्रणाली अत्यंत गुंतागुंतीच्या आरोग्य कार्यक्रमात लोकांना प्रशासकीय हानीपासून संरक्षण करण्यासाठी वापरली जाऊ शकते का. जर संशोधक बरोबर असतील तर, एआय हे राज्ये नवीन फेडरल जनादेशाचे पालन करताना पात्र मेडिकेड नोंदणीकर्त्यांना कव्हर ठेवण्यासाठी वापरत असलेल्या साधनांपैकी एक बनू शकते. जर प्रणाली खराब डिझाइन केल्या गेल्या किंवा कमकुवतपणे शासित केल्या गेल्या तर, त्या आधीच कठीण प्रक्रियेत गोंधळाचा आणखी एक स्तर जोडू शकतात.

आत्तासाठी, सर्वात बचाव करण्यायोग्य निष्कर्ष देखील सर्वात संयमित आहे: एआय मदत करू शकतो, परंतु केवळ जर राज्ये त्याला अचूक, मानवीय प्रशासनासाठी समर्थन म्हणून वागवतात, समजण्यायोग्य आणि जबाबदार सार्वजनिक प्रणाली तयार करण्याच्या कठोर परिश्रमाभोवती शॉर्टकट म्हणून नव्हे.

हा लेख मेडिकल एक्सप्रेसच्या अहवालावर आधारित आहे. मूळ लेख वाचा.