دمج الذكاء الاصطناعي في إدارة الرعاية الصحية الإقليمية: لماذا يجب أن يظل البشر في الحلقة

أصبح الذكاء الاصطناعي عنصرًا أساسيًا في إدارة دورة إيرادات الرعاية الصحية (RCM) حيث يسعى القادة الماليون إلى توفير قدر من الراحة للإدارات المثقلة بالأعباء والتي تعاني من نقص الموظفين والتي تواجه أحجامًا غير مسبوقة من طلبات التدقيق من طرف ثالث ومعدلات الرفض المتزايدة.

بحسب ما صدر حديثا تقرير عام 2023، مكنت الاستثمارات المتزايدة في البيانات والذكاء الاصطناعي ومنصات التكنولوجيا أقسام الامتثال ونزاهة الإيرادات من تقليل حجم فريقها بنسبة 33% مع أداء أكثر بنسبة 10% في أنشطة التدقيق مقارنة بعام 2022. وفي الوقت الذي يرتفع فيه النقص في موظفي إدارة إدارة المخاطر، يوفر الذكاء الاصطناعي تعزيز الإنتاجية الحاسمة.

تقوم مؤسسات الرعاية الصحية الآن بالإبلاغ عن طلبات تدقيق أكثر بأربعة أضعاف مما تم تلقيه في السنوات السابقة - وتشتمل خطابات طلب التدقيق على أكثر من 100 صفحة. هذا هو المكان الذي يتألق فيه الذكاء الاصطناعي، حيث تتمثل قدرته الكبرى في الكشف عن القيم المتطرفة والإبر في كومة القش عبر ملايين نقاط البيانات. يمثل الذكاء الاصطناعي ميزة تنافسية كبيرة لوظيفة RCM، وسيجد قادة تمويل الرعاية الصحية الذين يرفضون الذكاء الاصطناعي باعتباره ضجيجًا أن مؤسساتهم قد أهملت قريبًا.

حيث يمكن أن يفشل الذكاء الاصطناعي

إن الذكاء الاصطناعي المستقل حقًا في مجال الرعاية الصحية هو حلم بعيد المنال. في حين أنه من الصحيح أن الذكاء الاصطناعي قد مكن من أتمتة العديد من مهام RCM، إلا أن الوعد بالأنظمة المستقلة بالكامل لم يتحقق بعد. ويرجع ذلك جزئيًا إلى ميل بائعي البرامج إلى التركيز على التكنولوجيا دون تخصيص الوقت الكافي لفهم سير العمل المستهدف بشكل كامل، والأهم من ذلك، نقاط الاتصال البشرية داخلهم - وهي ممارسة تؤدي إلى تكامل غير فعال للذكاء الاصطناعي واعتماد المستخدم النهائي.

يجب أن يكون البشر دائمًا على اطلاع للتأكد من أن الذكاء الاصطناعي يمكنه العمل بشكل مناسب في بيئة إدارة المخاطر والإدارة (RCM) المعقدة. تظل الدقة والدقة من أصعب التحديات التي تواجه الذكاء الاصطناعي المستقل، وهذا هو المكان الذي سيؤدي فيه إشراك البشر في الحلقة إلى تحسين النتائج. في حين أن المخاطر قد لا تكون كبيرة بالنسبة لـ RCM كما هي على الجانب السريري، فإن تداعيات حلول الذكاء الاصطناعي سيئة التصميم لا تزال كبيرة.

التأثيرات المالية هي الأكثر وضوحًا بالنسبة لمؤسسات الرعاية الصحية. أدوات الذكاء الاصطناعي سيئة التدريب المستخدمة لإجراء عمليات تدقيق المطالبات المحتملة قد تفوت حالات نقص الترميز، مما يعني فقدان فرص الإيرادات. اكتشف أحد عملاء MDaudit أن هناك قاعدة غير صحيحة ضمن ما يسمى بنظام الترميز المستقل الخاص بهم كانت تقوم بترميز وحدات الأدوية المُدارة بشكل غير صحيح، مما أدى إلى خسارة إيرادات بقيمة 25 مليون دولار. لم يكن من الممكن أبدًا اكتشاف الخطأ وتصحيحه لولا وجود إنسان في الحلقة يكشف الخلل.

وبالمثل، يمكن أن يفشل الذكاء الاصطناعي أيضًا في تشفير النتائج بإيجابيات كاذبة - وهو مجال يجب أن تظل فيه مؤسسات الرعاية الصحية متوافقة بما يتماشى مع مهمة الحكومة المتمثلة في مكافحة الاحتيال وإساءة الاستخدام والهدر (FWA) في نظام الرعاية الصحية.

يمكن أن يؤثر الذكاء الاصطناعي المصمم بشكل سيء أيضًا على مقدمي الخدمات الأفراد. ضع في اعتبارك الآثار المترتبة إذا لم يتم تدريب أداة الذكاء الاصطناعي بشكل صحيح على مفهوم "مقدم الخدمة المعرض للخطر" بمعنى دورة الإيرادات. يمكن أن يجد الأطباء أنفسهم مستهدفين بشكل غير عادل لمزيد من التدقيق والتدريب إذا تم تضمينهم في عمليات المسح لمقدمي الخدمات المعرضين للخطر والذين لديهم معدلات رفض عالية. فهو يهدر الوقت الذي ينبغي إنفاقه في رؤية المرضى، ويبطئ التدفق النقدي عن طريق تأخير المطالبات بالمراجعات المحتملة، ويمكن أن يضر بسمعتهم من خلال وصفهم بتسمية "إشكالية".

إبقاء البشر في الحلقة

إن منع هذه الأنواع من النتائج السلبية يتطلب وجود البشر في الحلقة. هناك ثلاثة مجالات للذكاء الاصطناعي على وجه الخصوص تتطلب دائمًا مشاركة الإنسان لتحقيق النتائج المثلى.

1. بناء أساس بيانات قوي.

يعد بناء أساس بيانات قوي أمرًا بالغ الأهمية، حيث يعد نموذج البيانات الأساسي الذي يحتوي على البيانات التعريفية المناسبة وجودة البيانات والحوكمة أمرًا أساسيًا لتمكين الذكاء الاصطناعي من تحقيق أعلى مستويات الكفاءة. لكي يحدث هذا، يجب على المطورين قضاء بعض الوقت للوصول إلى الخنادق مع قادة وموظفي الامتثال للفواتير والترميز ودورة الإيرادات لفهم سير العمل والبيانات اللازمة لأداء واجباتهم بشكل كامل.

لا يتطلب الكشف الفعال عن الحالات الشاذة بيانات الفوترة والرفض وبيانات المطالبات الأخرى فحسب، بل يتطلب أيضًا فهم التفاعل المعقد بين مقدمي الخدمات والمبرمجين ومحرري الفواتير والدافعين وما إلى ذلك لضمان قدرة التكنولوجيا على التقييم المستمر للمخاطر في الوقت الفعلي وتقديمها إلى العملاء. المستخدمين المعلومات اللازمة لتركيز أعمالهم وأنشطتهم بطرق تؤدي إلى نتائج قابلة للقياس. إذا تجاوزت المؤسسات أساس البيانات وقامت بتسريع نشر نماذج الذكاء الاصطناعي الخاصة بها باستخدام أدوات لامعة، فسيؤدي ذلك إلى هلوسة وإيجابيات كاذبة من نماذج الذكاء الاصطناعي التي ستسبب ضجيجًا وتعيق اعتمادها.

2. التدريب المستمر.

الرعاية الصحية RCM هي مهنة تتطور باستمرار وتتطلب تعليمًا مستمرًا لضمان فهم المتخصصين فيها لأحدث اللوائح والاتجاهات والأولويات. وينطبق الشيء نفسه على أدوات RCM التي تدعم الذكاء الاصطناعي. يتيح التعلم المعزز للذكاء الاصطناعي توسيع قاعدة معارفه وزيادة دقتها. تعد مدخلات المستخدم أمرًا بالغ الأهمية للتحسين والتحديثات لضمان تلبية أدوات الذكاء الاصطناعي للاحتياجات الحالية والمستقبلية.

يجب أن يكون الذكاء الاصطناعي قابلاً للتدريب في الوقت الفعلي، مما يسمح للمستخدمين النهائيين بتقديم المدخلات والتعليقات على الفور حول نتائج البحث عن المعلومات و/أو التحليل لدعم التعلم المستمر. يجب أن يكون من الممكن أيضًا للمستخدمين وضع علامة على البيانات على أنها غير آمنة عندما يكون ذلك مبررًا لمنع تضخيمها على نطاق واسع. على سبيل المثال، إسناد الخسارة المالية أو مخاطر الامتثال إلى كيانات أو أفراد محددين دون توضيح سبب ملاءمة القيام بذلك.

3. الحكم السليم.

يجب على البشر التحقق من صحة مخرجات الذكاء الاصطناعي للتأكد من أنها آمنة. حتى مع البرمجة الذاتية، يجب على متخصصي البرمجة التأكد من أن الذكاء الاصطناعي "تعلم" بشكل صحيح كيفية تطبيق مجموعات التعليمات البرمجية المحدثة أو التعامل مع المتطلبات التنظيمية الجديدة. عندما يتم استبعاد البشر من حلقة الحوكمة، تترك منظمة الرعاية الصحية نفسها مفتوحة على مصراعيها لتسرب الإيرادات، ونتائج التدقيق السلبية، وفقدان السمعة، وغير ذلك الكثير.

ليس هناك شك في أن الذكاء الاصطناعي يمكنه إحداث تحول في الرعاية الصحية، وخاصة إدارة الرعاية الصحية. ومع ذلك، فإن القيام بذلك يتطلب من مؤسسات الرعاية الصحية زيادة استثماراتها التكنولوجية من خلال تدريب البشر والقوى العاملة لتحسين الدقة والإنتاجية وقيمة الأعمال.