不正・無駄・乱用（FWA）は、歴史的に医療ライフサイクルの最終局面で対処されてきた。請求が支払われ、利用パターンが安定し、損失がすでに織り込まれた後になってから精査が始まることが多い。このやり方は、メディケア・メディケイド・サービスセンター（CMS）がプログラム・インテグリティをどう位置づけているかと、次第に整合しなくなっている。CMSが重視しているのは、下流での回収活動ではなく、より早期の検知と予防である。
私は、メディケアの請求における不正・無駄・乱用の検知について、説明可能でスケーラブルなアプローチの開発に焦点を当てた全国的なチャレンジに参加したエージェント型AIプラットフォームを率いている。この取り組みで浮き彫りになったのは、システム全体で広がりつつある、より大きな変化である。すなわち、長期的なシグナル、利用パターン、そして領域を踏まえた評価を組み合わせ、ライフサイクルの早い段階でリスクを顕在化させるという変化だ。
FWAでは「左シフト」が進行している。CMSは見ている限り、検知をより早期に移し、介入をより早く行い、監督をより継続的なものにしようとしているようだ。この進化は、支払いの健全性（payment integrity）の強化、利用状況監督の改善、不適切支払いの削減というCMSのより広い重点とも一致する。
エージェント型AIは、過去の行動、変化する利用シグナル、支払いの健全性要件を、時間とともに適応する単一の統制フレームワークへと結びつけることで、このシフトを実務として機能させる助けとなり得る。
FWAは瞬時ではなく、徐々に形成される
医療におけるリスクが、完成した形で突如現れることはまれである。不適切支払いや不適切な利用は、孤立した請求事象ではなく、時間とともに進展するパターンとして生じ得る。早期兆候の例としては、以下が考えられる。
・利用強度の段階的な変化
・長期の安定期間を経た後の処置ミックスの変化
・他者と乖離する前に、まず自らの過去ベースラインから逸脱し始めるプロバイダーの行動
時点分析では、こうしたダイナミクスを捉え切れないことがある。私の見立てでは、より重要なのは軌跡を理解し、変曲点を特定し、変化が持続するのか安定化するのかを評価することだ。過去データがベースラインを確立し、長期的なモニタリングが方向性と勢いに関する洞察を提供する。「左シフト」は、意味のある介入が可能なほど早期にこうした進展を検知できるかどうかにかかっている。
なぜリスクは診療科とプロバイダーの文脈を踏まえる必要があるのか
私がFWAプログラムで観察してきた「ノイズ」の持続的な原因の1つは、プロバイダーとサービスを互換的なものとして扱うことだ。実務では、リスクは領域や医療提供の場によって異なる形で現れ得る。
例えば、高額な画像診断は、ある診療科では日常的であっても、別の診療科では非典型である場合がある。耐久医療機器（DME）の反復利用は、正当な慢性的ニーズを反映していることもあれば、十分な根拠のない継続請求を示していることもある。入院期間の長期化は、患者の重症度に整合する場合もあれば、重症度を裏づけない記載を示唆する場合もある。
単一の診療科の中でさえ、文脈は重要だ。単独開業は大規模グループ診療とは異なる振る舞いをする。患者構成、地域、提供場所（site of service）は、利用の標準に実質的な影響を与える。
したがって、有効なFWAプログラムは、プロバイダー固有の過去行動、診療科固有の利用期待、狭く臨床的に意味のある同業比較、そして急激かつ段階的な行動変化の双方への感度を組み込んだ、専門化されたリスクスコアリングに依拠すべきである。
支払いの健全性と利用方針はどこに位置づくのか
支払いの健全性と利用方針は、「左シフト」モデルにおいて特定の役割を担う。方針は、サービスが適切かつ支払い可能とみなされる臨床的・運用上の条件を定義する。
実務上、これらの方針が最も効果を発揮するのは、リスクシグナルが現れた後に適用される場合である。長期データと利用トレンドがリスク上昇を示唆する際、支払いの健全性基準は、臨床記録が観測された行動を裏づけているかどうかを評価するための、構造化された手段を提供する。
これは重要である。なぜなら、医療における漏れは「グレーゾーン」で起こり得るからだ。記録が不完全であることもある。医学的必要性の根拠が薄いこともある。利用が時間とともに方針の境界を越えて漂流することもある。こうした問題に早期に対処することで、一貫性と公平性を高めつつ、下流でのエスカレーションや再レビューのサイクルを減らせる。
監督を弱めずに手作業を減らす
「左シフト」は、より多くの請求をより早くレビューすることを要しない。私は、より良い文脈のもとで、より少ないケースをレビューすることが必要だと考える。
手作業は、次の場合に減らすことができる。
・プロバイダーおよび診療科の文脈を踏まえたリスクスコアリングで注意を集中させる
・単発の請求ではなく、長期的な利用パターンを評価する
・レビュアーに対し、「何が変わったのか」「なぜ重要なのか」「どの証拠が欠けている可能性があるのか」を説明する簡潔な文脈を提供する
このアプローチは、網羅的で差別化のない監督ではなく、特定されたリスクに基づくターゲット型レビューを重視するCMSの医療レビュー枠組みに合致する。意図される結果は、事務負担の軽減、一貫性の向上、そして結果への信頼の増大である。
エージェント型AIはシフトをどう可能にするか
「左シフト」を運用として定着させるには、時間、領域、方針をまたいで推論できるシステムが必要である。エージェント型のアーキテクチャは、異なる推論機能を分離することで、これを支援できる。
異なるレイヤーが異なるタスクを担える。
・長期的な利用と行動変化のモニタリング
・診療科およびプロバイダーの文脈の解釈
・支払いの健全性および利用要件との整合性の評価
・偽陽性を減らすための代替説明の検討
・教育、予防、監査、調査のいずれであれ、結果を適切に振り分ける
このレイヤー構造は、経験豊富なプログラム・インテグリティのチームがどのように推論するかを反映しており、不確実性を単一のリスクスコアに押し込めるのではなく、段階的に解消していくことを可能にする。
ただし、FWA検知におけるエージェント型AIには、指摘しておくべき現実的な制約がある。すなわち、規律である。これらのシステムは、請求、カルテ、方針を横断して大規模に推論できる一方、明確なガードレールがなければ、偽陽性を膨らませたり、まれな行動に過適合したり、インセンティブの変化に伴って方針意図から逸脱したりし得る。その一方で、適切に設計されれば、エージェント型AIはより豊かなシグナルを浮かび上がらせ、なぜ疑わしいと見えるのかを説明できるため、人間により良い判断の出発点を与えられる。
制約は説明責任にある。モデルは最新の方針にしっかり結びつき、推論を可読な形にし、人間が確実にループに入る形で運用されなければならない。その結果、疑念を自動化するのではなく、精度が時間とともに改善する。だがこれは容易ではなく、慎重な監督が必要だ。
前向きな見通し
システム全体で、支払い後の回収だけでは医療の複雑性に追いつけないという認識が高まっている。CMSは、不適切支払いの削減と支払いの健全性の強化を引き続き強調している。
適応できる組織とは、リスクが時間とともにどう進展するか、領域によってどう異なる形で現れるか、そして支払いの健全性と利用方針をより早い段階でどう適用して行動を導けるかを理解する組織である。今後数年で、先進的な支払者は、下流でどれだけ回収したかではなく、上流でどれだけリスクを軽減したかによってFWAの有効性を評価する可能性が高いと、私は考えている。
私の見るところ、プログラム・インテグリティは、継続的な統制機能へと進化しつつある。すなわち、利用状況を時間軸で観察し、臨床的・運用上のニュアンスを尊重し、結果を変えられるだけ早く介入する機能である。
本稿は、basys.aiのCIOでありForbes Technology CouncilメンバーでもあるArpan Saxena氏と共同執筆した。
