دمج الذكاء الاصطناعي في إدارة دورة إيرادات الرعاية الصحية: لماذا يجب أن يبقى البشر في الحلقة

أصبح الذكاء الاصطناعي عنصرًا أساسيًا في إدارة دورة إيرادات الرعاية الصحية (RCM) حيث يسعى قادة المالية إلى تقديم بعض الراحة للdepartments المثقلة والمفتقرة إلى الموظفين التي تواجه كميات غير مسبوقة من الطلبات القضائية من الأطراف الثالثة ومعدلات رفض متزايدة.

وفقًا لتقرير البenchmark الجديد الصادر، تقرير البenchmark لعام 2023، فإن الاستثمارات المتزايدة في البيانات والذكاء الاصطناعي ومنصات التكنولوجيا قد مكنت أقسام الامتثال وصدق الإيرادات من خفض حجم الفريق بنسبة 33٪ أثناء أداء 10٪ أكثر من الأنشطة القضائية مقارنة بعام 2022. وفي وقت يتصاعد فيه نقص الموظفين في RCM، يوفر الذكاء الاصطناعي دفعة هامة في الإنتاجية.

تقرر المنظمات الصحية الآن تقديم أربع مرات أكثر من الطلبات القضائية التي تلقوها في السنوات السابقة – وترunning demande القضائية تزيد عن 100 صفحة. هذا هو المكان الذي يبرز فيه الذكاء الاصطناعي – قدرته الأكبر تكمن في الكشف عن الاختلافات والعناصر غير العادية في ملايين النقاط البيانية. يمثل الذكاء الاصطناعي ميزة تنافسية كبيرة لوظيفة RCM، وسوف يجد قادة المالية الصحية الذين يعتبرون الذكاء الاصطناعي مجرد هysteria سوف يجدون منظماتهم متأخرة قريباً.

حيث يمكن للذكاء الاصطناعي أن يفشل

الذكاء الاصطناعي المستقل تمامًا في الرعاية الصحية هو حلم بعيد. في حين أن الذكاء الاصطناعي قد أتاح تطبيق تكنولوجيا آليّة ل许多 مهام RCM، لا يزال وعد الأنظمة المستقلة غير مكتمل. هذا يعود جزئيًا إلى ميل بائعي البرمجيات إلى التركيز على التكنولوجيا دون أخذ الوقت الكافي لفهم سير العمل المستهدف ونقاط الاتصال البشرية داخلها – ممارسة تؤدي إلى دمج غير فعال للذكاء الاصطناعي واعتماد المستخدم النهائي.

يجب أن يبقى البشر دائمًا في الحلقة لضمان أن يعمل الذكاء الاصطناعي بشكل مناسب في بيئة RCM معقدة. لا تزال الدقة والضبط تحديات صعبة للغاية مع الذكاء الاصطناعي المستقل، وهنا تكمن أهمية إشراك البشر في الحلقة لتعزيز النتائج. في حين أن الرهان قد لا يكون أعلى في RCM كما هو في الجانب السريري، فإن عواقب حلول الذكاء الاصطناعي غير الفعالة لا تزال مهمة.

تكون التأثيرات المالية أكثر وضوحًا للمنظمات الصحية. قد تفوت أدوات الذكاء الاصطناعي غير المدربة جيدًا التي تستخدم لأداء مراجعات المطالبات المحتملة حالات الترميز غير الكامل، مما يعني فرص إيرادات مفقودة. اكتشف أحد العملاء أن قاعدة غير صحيحة في نظام الترميز المسمى “مستقل” كانت ترميز وحدات الدواء المدارة بشكل غير صحيح، مما أدى إلى خسائر بقيمة 25 مليون دولار. لن يتم اكتشاف الخطأ وتصحيحه إلا بفضل وجود إنسان في الحلقة الذي كشف عن العيب.

يمكن للذكاء الاصطناعي أن يفشل أيضًا في نتائج الترميز الزائد مع إيجابيات كاذبة – مجال يجب أن يبقى فيه المنظمات الصحية متوافقة مع مهمة الحكومة لمكافحة الاحتيال والفساد والهدر في نظام الرعاية الصحية.

يمكن أن يؤثر الذكاء الاصطناعي غير الفعال أيضًا على مقدمي الرعاية الفردية. فكر في الآثار إذا لم يتم تدريب أداة الذكاء الاصطناعي بشكل صحيح على مفهوم “مقدم الرعاية المعرض للخطر” في معنى دورة الإيرادات. قد يجد الأطباء أنفسهم مستهدفين بشكل غير عادل للاختبار والتدريب الإضافي إذا تم إدراجهم في عمليات التفتيش على مقدمي الرعاية المعرضين للخطر الذين لديهم معدلات رفض عالية. هذا يهدر الوقت الذي يجب أن يتم قضاؤه في رؤية المرضى، ويبطئ تدفق النقد عن طريق تأخير المطالبات للمراجعة المحتملة، ويمكن أن يضر بسمعتهم عن طريق وضع علامة “مشكلة” عليهم.

الحفاظ على البشر في الحلقة

منع هذه النتائج السلبية يتطلب وجود البشر في الحلقة. هناك ثلاثة مجالات للذكاء الاصطناعي على وجه الخصوص التي ستحتاج دائمًا إلى مشاركة بشرية لتحقيق نتائج مثالية.

1. بناء أساس بيانات قوي.

بناء أساس بيانات قوي أمر بالغ الأهمية، حيث أن نموذج البيانات التحتية مع البيانات الوصفية والجودة والرقابة هو مفتاح تمكين الذكاء الاصطناعي من تحقيق أقصى كفاءة. من أجل ذلك، يجب على المطورين أن ي dành الوقت للغوص في سير العمل مع قادة وพนักงาน الامتثال والترميز ودورة الإيرادات لفهم سير العمل والبيانات المطلوبة لأداء مهامهم.

يتطلب الكشف الفعال عن الشذوذ ليس فقط بيانات الفواتير ورفضها والمطالبات الأخرى، ولكن أيضًا فهم العلاقة المعقدة بين مقدمي الرعاية والمرمзين وموظفي الفواتير والمؤمنين، إلخ. لضمان أن تكون التكنولوجيا قادرة على تقييم المخاطر بشكل مستمر وتقديم المعلومات اللازمة للمستخدمين لتركيز أعمالهم في طرق تحقق نتائج قابلة للقياس. إذا تخطى المنظمات أساس البيانات وسرعت في نشر نماذج الذكاء الاصطناعي باستخدام أدوات لامعة، فسيؤدي ذلك إلى هلوسات وإيجابيات كاذبة من نماذج الذكاء الاصطناعي التي ستسبب ضوضاء وتعيق تبنيها.

2. التدريب المستمر.

تعتبر إدارة دورة إيرادات الرعاية الصحية مهنة متطورة باستمرار تتطلب تعليمًا مستمرًا لضمان فهم محترفيها لأحدث اللوائح والاتجاهات والأولويات. نفس الشيء ينطبق على أدوات RCM المتمكنة بالذكاء الاصطناعي. يسمح التعلم التعزيزي للذكاء الاصطناعي بتوسيع قاعدة معرفته وزيادة دقته. مدخلات المستخدم حاسمة لتحسين وتحديث الأدوات لضمان تلبية احتياجات المستخدمين الحالية والمستقبلية.

يجب أن يكون الذكاء الاصطناعي قابلًا للتدريب في الوقت الفعلي، مما يسمح للمستخدمين بتقديم مدخلات وتعليقات فورية على نتائج عمليات البحث والتحليل لدعم التعلم المستمر. يجب أن يكون من الممكن أيضًا للمستخدمين وضع علامة على البيانات على أنها غير آمنة عند الضرورة لمنع تضخيمها على نطاق واسع. على سبيل المثال،归ء الخسارة المالية أو مخاطر الامتثال إلى كيانات أو أفراد معينين دون تقديم تفسير مناسب لذلك.

3. الحوكمة المناسبة.

يجب على البشر التحقق من مخرجات الذكاء الاصطناعي لضمان أنها آمنة. حتى مع الترميز المستقل، يجب على محترف الترميز أن يضمن أن الذكاء الاصطناعي قد تعلم بشكل صحيح كيفية تطبيق مجموعات الرموز المحدثة أو التعامل مع متطلبات تنظيمية جديدة. عندما يتم استبعاد البشر من حلقة الحوكمة، تترك المنظمة الصحية نفسها عرضة لخسارة الإيرادات، نتائج التدقيق السلبية، وفقدان السمعة، وغيرها الكثير.

لا شك في أن الذكاء الاصطناعي يمكن أن يغير الرعاية الصحية، خاصةً RCM. ومع ذلك، يتطلب ذلك من المنظمات الصحية تعزيز استثماراتها التكنولوجية مع تدريب القوى العاملة لتحقيق أقصى دقة وإنتاجية وقيمة تجارية.