Dr. Rihan Javid, CEO und Mitgründer von Rinova – Interview-Serie

Dr. Rihan Javid, CEO und Mitgründer von Rinova AI, ist ein Arzt-Unternehmer, der sich auf die Modernisierung von Gesundheitsdienstleistungen durch künstliche Intelligenz konzentriert. Neben der Leitung von Rinova ist er auch Mitgründer und Präsident von Edge, das Remote-Arbeitsplatz-Infrastrukturlösungen für Versicherungen, medizinische und zahnärztliche Praxen anbietet. Als praktizierender Psychiater ist er derzeit medizinischer Direktor und Chief Medical Officer bei CommonSpirit Health und St. Joseph’s Behavioral Health Center und hat auch eine klinische Rolle bei Touro University Medical Group. Seine vorherigen Erfahrungen umfassen die Ausübung der Psychiatrie bei The Permanente Medical Group, Inc. und die Absolvierung der Facharztausbildung am California Pacific Medical Center und der University of South Florida, sowie frühere Führungserfahrungen als Principal in der Rechtsberatung.

Rinova AI ist ein Gesundheitstechnologie-Unternehmen, das sich auf künstliche Intelligenz-gesteuertes Revenue- Cycle-Management und medizinische Abrechnungsautomatisierung konzentriert. Die Plattform ist darauf ausgelegt, administrative Belastungen für Anbieter durch die Automatisierung von Schlüsselprozessen wie Versicherungsverifizierung, Kodierungs-Optimierung, Einreichung von Ansprüchen und Ablehnungs-Management zu reduzieren. Durch die Nutzung von künstlicher Intelligenz, um Workflows zu straffen und die Genauigkeit zu verbessern, zielt Rinova darauf ab, im Vergleich zu herkömmlichen Abrechnungsdienstleistungen erhebliche Kosteneinsparungen zu erzielen, während gleichzeitig die Erstattungen beschleunigt und die finanzielle Leistung von Gesundheitsorganisationen verbessert werden.

Sie haben Edge 2021 nach Jahren als Psychiater und später als medizinischer Direktor und CMO gegründet. Was waren die ersten Signale, die Sie in den Abrechnungsprozessen wie fragmentierte Daten, wechselnde Zahlungsregeln oder manuelle Ausnahmehandhabung bemerkt haben, die Sie davon überzeugt haben, dass die Automatisierung letztendlich unvermeidlich werden würde?

Als ich praktizierte und später klinische Operationen leitete, sah ich, wie viel Reibung in der Abrechnung bestand. Daten lebten in mehreren Systemen, die nicht gut miteinander kommunizierten. Zahlungsanforderungen änderten sich ständig. Mitarbeiter verbrachten Stunden damit, Ansprüche wegen Gründen neu zu bearbeiten, die im Nachhinein oft vorhersehbar waren.

Was mir auffiel, war die Wiederholung. Die gleichen Fehler, die gleichen Ablehnungsmuster, die gleichen Dokumentationslücken. Diese waren keine seltenen, nuancierten Probleme. Sie waren wiederkehrende operationelle Zusammenbrüche. Wenn man auf einer bestimmten Ebene ist, wird einem klar, dass es nicht nachhaltig ist, Menschen zu bitten, diese Komplexität manuell zu bewältigen. Das ist der Moment, in dem klar wird, dass Automatisierung nicht optional ist. Sie ist unvermeidlich.

Als Sie Rinova AI einige Jahre später gründeten, was hatte sich auf der Technologie- oder Daten-Seite geändert, um es möglich zu machen, künstliche Intelligenz auf das Revenue-Cycle-Management anzuwenden, um gegenüber realen Zahlungsregeln und realer Anspruchskomplexität zuverlässig zu operieren?

Zwei Dinge haben sich geändert. Erstens hat sich die Datenumgebung verbessert. Integrationen zwischen EHRs, Clearinghäusern und Abrechnungsplattformen wurden strukturierter. Das gab uns saubere Eingaben und stärkere Feedback-Schleifen.

Zweitens hat sich die Technologie weiterentwickelt. Wir sind über einfache Regeln-Engines hinausgegangen. Modelle wurden in der Lage, Kontext zu bewerten, nicht nur Kästchen zu überprüfen. Das ermöglichte es uns, Dokumentation, Kodierung und Zahlungslogik zusammen zu analysieren, anstatt isoliert voneinander.

Es war nicht so, dass die Abrechnung plötzlich einfach wurde. Es war so, dass das Ökosystem stabil genug wurde, um künstliche Intelligenz zuverlässig zu betreiben.

Das Revenue-Cycle-Management hat traditionell auf statischen Regeln und Nachbearbeitung von Ablehnungen basiert. Wie ändert sich die Art und Weise, wie Krankenhäuser über finanzielles Risiko und Erstattungsvorhersehbarkeit nachdenken, wenn künstliche Intelligenz früher in den Workflow eingeführt wird?

Traditionell akzeptieren Abrechnungsteams eine bestimmte Ablehnungsrate als Teil des Geschäfts. Die Arbeit beginnt nachdem etwas schief gelaufen ist.

Wenn künstliche Intelligenz stromaufwärts eingeführt wird, verschiebt sich das Ziel von der Wiederherstellung zur Verhinderung. Sie können Dokumentationslücken oder Kodierungsfehler vor der Einreichung identifizieren. Das reduziert die Variabilität in der Erstattung.

Krankenhäuser beginnen, weniger über die Verfolgung von Einnahmen und mehr über die Kontrolle von Risiken nachzudenken, bevor sie sich materialisieren. Das ändert die Prognose, die Personalplanung und sogar die Gespräche auf Vorstands-Ebene über finanzielle Stabilität.

KI-Systeme funktionieren oft gut bei Standardfällen, aber kämpfen an den Rändern. In den heutigen Abrechnungsprozessen, welche Szenarien werden am effektivsten durch Automatisierung gehandhabt und wo spielt menschliches Urteilsvermögen immer noch eine entscheidende Rolle?

Automatisierung funktioniert am besten bei strukturierten, hochvolumigen Aufgaben. Berechtigungsprüfungen, Autorisierungsvalidierung, Kodierungs-Konsistenz und Ablehnungsmuster-Erkennung sind alle Bereiche, in denen Maschinen schneller und konsistenter als Menschen verarbeiten können.

Menschliches Urteilsvermögen spielt immer noch in Randfällen eine Rolle. Berufungen, die klinische Nuancen erfordern, vertragliche Streitigkeiten, ungewöhnliches Zahlungsverhalten oder komplexe Patientenszenarien profitieren alle von Erfahrung und Argumentationsfähigkeit. KI kann Risiken erkennen. Menschen interpretieren jedoch Grauzonen und treffen endgültige Entscheidungen.

Edge integriert Gesundheitsdienstleistungs-Abrechnungsteams in Krankenhaus-Workflows, während Rinova Entscheidungsfindung stromaufwärts automatisiert. Wie gehen Sie bei der Gestaltung von KI-Systemen vor, die menschliche Entscheidungsfindung stärken, anstatt neue operationelle Risiken einzuführen?

Wir betrachten KI als eine Unterstützungsebene, nicht als Ersatz. Das System zeigt Empfehlungen an und erklärt seine Logik. Unsere Gesundheitsdienstleistungs-Teams bleiben im Workflow integriert.

Diese Struktur ist wichtig. KI bewältigt Skalierbarkeit und Mustererkennung. Menschen bewältigen Aufsicht und Verantwortung. Wenn diese Rollen klar sind, reduzieren Sie Risiken, anstatt sie zu erhöhen.

Das Ziel ist es, kognitive Überlastung zu reduzieren, nicht menschliches Urteilsvermögen zu entfernen.

Zahlungsrichtlinien ändern sich häufig und werden nicht immer konsistent durchgesetzt. Wie verändert Echtzeit-Zahlungs-Intelligenz die Rückkopplungsschleife zwischen Anspruchseinreichung, Ablehnung und kontinuierlicher Modellverbesserung?

Zahlungsrichtlinien ändern sich häufig und die Durchsetzung ist nicht immer konsistent. Historisch haben Organisationen Regeln periodisch aktualisiert und gehofft, dass sie aktuell sind.

Mit Echtzeit-Rückkopplung wird jede Ablehnung und Genehmigung zu einem Datenpunkt. Das Modell lernt von tatsächlichen Ergebnissen, anstatt von statischen Annahmen. Das verkürzt den Zeitraum zwischen Richtlinienänderung und operativer Anpassung.

Im Laufe der Zeit reduziert das Überraschungsablehnungen und verbessert die Genauigkeit der Einreichung. Es macht das System anpassungsfähiger.

Krankenhäuser sind verständlicherweise vorsichtig, wenn es um KI-Systeme geht, die den Cash-Flow beeinflussen. Welches Maß an Transparenz oder Kontrolle sollten Gesundheitsleiter erwarten, bevor sie KI-gesteuerten Abrechnungsentscheidungen vertrauen?

Führungskräfte sollten Klarheit erwarten. Sie sollten verstehen, warum eine Empfehlung gemacht wurde. Sie sollten in der Lage sein, sie zu übergehen. Und sie sollten eine klare Audit-Spur haben.

Abrechnung wirkt sich direkt auf Cash-Flow und Compliance aus. Vertrauen kommt von Sichtbarkeit und Kontrolle, nicht von blinden Automatisierungen. Jedes KI-System, das in diesem Bereich operiert, muss diesen Standard erfüllen.

Personalmangel in Abrechnungsteams wird oft als Arbeitskräfteproblem behandelt. Wie viel des Problems liegt tatsächlich in Datenqualität und Workflow-Design, und wo kann KI den größten Einfluss haben?

Personalmangel ist real, aber viele davon werden durch schlechtes Workflow-Design verstärkt. Wenn Teams den größten Teil ihrer Zeit damit verbringen, vermeidbare Fehler zu korrigieren, erhöht sich der Burnout und die Produktivität sinkt.

Wenn Sie die Daten-Eingaben reinigen und vermeidbare Ablehnungen reduzieren, kann das gleiche Team effektiver arbeiten. KI hat den größten Einfluss, wo sie repetitive Nachbearbeitung entfernt und Prozesse standardisiert.

Oft ist das Problem nicht einfach die Anzahl der Mitarbeiter. Es ist Reibung.

Wie sehen Sie die Rolle von Abrechnungsteams in den nächsten Jahren in Bezug auf Aufsicht, Ausnahmehandhabung und Governance, wenn KI in Abrechnungsprozessen integriert wird?

Ich erwarte, dass Abrechnungsteams strategischer werden. Weniger Zeit für repetitive Verarbeitung. Mehr Zeit für Aufsicht, komplexe Berufungen, Verhandlungen mit Zahlern und Leistungsanalyse.

Wenn Automatisierung Routinearbeiten übernimmt, verschieben sich menschliche Teams in Richtung Governance und Optimierung. Das erhöht die Funktion, anstatt sie zu verkleinern.

Blicken Sie in die Zukunft, erwarten Sie, dass KI-gesteuerte Abrechnungsplattformen zu grundlegender Finanzinfrastruktur für Krankenhäuser werden, anstatt optionalen Werkzeugen, und was würde diese Veränderung für Organisationen ermöglichen, die unter ständigem Margendruck operieren?

Ja. Margendruck wird nicht verschwinden. Vorhersehbarkeit in der Erstattung wird essentiell.

KI-gesteuerte Plattformen, die Genauigkeit verbessern und Leckagen reduzieren, werden von optionalen Werkzeugen zu grundlegender Infrastruktur. Wenn der Cash-Flow stabiler wird, können Krankenhäuser mit mehr Vertrauen planen und investieren, um Patientenversorgung zu verbessern.

Das ist letztendlich das Ergebnis, das uns am meisten interessiert.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Rinova AI oder Edge besuchen.