Dr. Rihan Javid, PDG et co-fondateur de Rinova – Série d’entretiens

Dr. Rihan Javid, PDG et co-fondateur de Rinova AI, est un dirigeant de santé et entrepreneur axé sur la modernisation des opérations de santé grâce à l’intelligence artificielle. En plus de diriger Rinova, il est le co-fondateur et président de Edge, qui propose des solutions d’infrastructure de travail à distance pour les cabinets d’assurance, médicaux et dentaires. Psychiatre praticien, il est actuellement directeur médical et directeur médical au sein de CommonSpirit Health et du Centre de santé comportementale St. Joseph, tout en occupant un rôle clinique au sein du groupe médical Touro University. Ses expériences antérieures incluent la pratique de la psychiatrie au sein du groupe médical Permanente et la réalisation d’une formation en résidence au California Pacific Medical Center et à l’Université de Floride du Sud, ainsi que des expériences de leadership en tant que principal dans le recrutement juridique.

Rinova AI est une entreprise de technologie de santé axée sur la gestion du cycle de revenu et l’automatisation de la facturation médicale grâce à l’IA. La plateforme est conçue pour réduire les charges administratives pour les prestataires en automatisant des processus clés tels que la vérification d’assurance, l’optimisation du codage, la soumission de réclamations et la gestion des refus. En exploitant l’intelligence artificielle pour rationaliser les flux de travail et améliorer la précision, Rinova vise à offrir des économies de coûts significatives par rapport aux services de facturation traditionnels, tout en accélérant les remboursements et en améliorant les performances financières des organisations de santé.

Vous avez co-fondé Edge en 2021 après des années passées à travailler en tant que psychiatre et plus tard en tant que directeur médical et directeur médical. Du point de vue de l’IA, quels étaient les premiers signaux que vous avez remarqués dans les flux de travail de facturation, tels que les données fragmentées, les règles des payeurs en constante évolution ou la gestion manuelle des exceptions, qui vous ont convaincu que l’automatisation deviendrait inévitable ?

Lorsque j’exerçais et plus tard que je dirigeais les opérations cliniques, j’ai vu à quel point il y avait des frictions dans la facturation. Les données vivaient dans plusieurs systèmes qui ne communiquaient pas bien. Les exigences des payeurs changeaient constamment. Le personnel passait des heures à retraiter les réclamations pour des raisons qui étaient souvent prévisibles a posteriori.

Ce qui m’a frappé, c’était la répétition. Les mêmes erreurs, les mêmes modèles de refus, les mêmes lacunes de documentation. Ce n’étaient pas des problèmes rares et nuancés. Ce étaient des défaillances opérationnelles récurrentes. À une certaine échelle, vous réalisez que demander aux gens de gérer manuellement cette complexité n’est pas durable. C’est alors que l’on comprend que l’automatisation n’est pas optionnelle. Elle est inévitable.

Lorsque vous avez lancé Rinova AI plusieurs années plus tard, qu’est-ce qui a changé du point de vue technologique ou des données pour permettre d’appliquer l’IA à la gestion du cycle de revenu de manière à fonctionner de manière fiable contre les règles des payeurs en temps réel et la complexité réelle des réclamations ?

Deux choses ont changé. Premièrement, l’environnement de données s’est amélioré. Les intégrations entre les dossiers médicaux électroniques, les maisons de compensation et les plateformes de facturation sont devenues plus structurées. Cela nous a donné des entrées plus propres et des boucles de rétroaction plus solides.

Deuxièmement, la technologie a mûri. Nous sommes allés au-delà des simples moteurs de règles. Les modèles sont devenus capables d’évaluer le contexte, et non plus seulement de vérifier les cases. Cela nous a permis d’analyser la documentation, le codage et la logique des payeurs ensemble, et non plus séparément.

Il ne s’agissait pas de rendre la facturation simple du jour au lendemain. Il s’agissait de rendre l’écosystème suffisamment stable pour que l’IA puisse fonctionner de manière fiable.

La gestion du cycle de revenu a traditionnellement reposé sur des règles statiques et la récupération après refus. Comment l’introduction de l’IA plus tôt dans le flux de travail change-t-elle la façon dont les hôpitaux réfléchissent au risque financier et à la prévisibilité des remboursements ?

Traditionnellement, les équipes de gestion du cycle de revenu acceptent un certain niveau de refus comme faisant partie du travail.

Lorsque l’IA est introduite en amont, l’objectif change de la récupération à la prévention. Vous pouvez identifier les lacunes de documentation ou les erreurs de codage avant la soumission. Cela réduit la variabilité des remboursements.

Les hôpitaux commencent à réfléchir moins à la poursuite des revenus et plus au contrôle des risques avant qu’ils ne se matérialisent. Cela change la prévision, les modèles de dotation en personnel et même les discussions au niveau de la direction sur la stabilité financière.

Les systèmes d’IA fonctionnent souvent bien sur les cas standard mais ont des difficultés aux limites. Dans les opérations de facturation d’aujourd’hui, quels types de scénarios sont les mieux gérés par l’automatisation, et où le jugement humain joue-t-il encore un rôle critique ?

L’automatisation fonctionne le mieux dans les tâches structurées et à haute volumétrie. Les vérifications d’éligibilité, la validation des autorisations, l’optimisation du codage et la détection des modèles de refus sont tous des domaines où les machines peuvent traiter plus rapidement et de manière plus cohérente que les humains.

Le jugement humain est toujours important dans les cas limites. Les appels qui nécessitent une nuance clinique, les litiges contractuels, les comportements inhabituels des payeurs ou les scénarios de patients complexes bénéficient tous de l’expérience et de la capacité de raisonnement. L’IA peut signaler les risques. Les humains interprètent les zones grises et prennent les décisions finales.

Edge intègre des équipes de gestion du cycle de revenu formées dans le domaine de la santé dans les flux de travail des hôpitaux, tandis que Rinova automatise la prise de décision en amont. Comment abordez-vous la conception de systèmes d’IA qui renforcent la prise de décision humaine plutôt que d’introduire de nouveaux risques opérationnels ?

Nous abordons l’IA comme une couche de support, et non comme un remplacement. Le système présente des recommandations et explique sa logique. Nos équipes de gestion du cycle de revenu formées dans le domaine de la santé restent intégrées dans le flux de travail.

Cette structure compte. L’IA gère l’échelle et la reconnaissance des modèles. Les humains gèrent la supervision et la responsabilité. Lorsque ces rôles sont clairs, vous réduisez les risques au lieu de les augmenter.

L’objectif est de réduire la surcharge cognitive, et non de supprimer le jugement humain.

Les politiques des payeurs changent fréquemment et ne sont pas toujours appliquées de manière cohérente. Comment l’intelligence des payeurs en temps réel redéfinit-elle la boucle de rétroaction entre la soumission des réclamations, les refus et l’amélioration continue du modèle ?

Les politiques des payeurs changent fréquemment et leur application n’est pas toujours cohérente. Historiquement, les organisations mettaient à jour les règles périodiquement et espéraient qu’elles étaient à jour.

Avec la rétroaction en temps réel, chaque refus et chaque approbation deviennent un point de données. Le modèle apprend à partir des résultats réels et non plus à partir d’hypothèses statiques. Cela raccourcit l’écart entre le changement de politique et l’ajustement opérationnel.

Au fil du temps, cela réduit les refus inattendus et améliore la précision de la soumission. Cela rend le système plus adaptable.

Les dirigeants de la santé sont naturellement prudents quant aux systèmes d’IA qui influencent les flux de trésorerie. Quel niveau de transparence ou de contrôle les dirigeants de la santé devraient-ils attendre avant de faire confiance aux décisions de facturation pilotées par l’IA ?

Les dirigeants devraient attendre de la clarté. Ils devraient comprendre pourquoi une recommandation a été faite. Ils devraient être en mesure de la remplacer. Et ils devraient avoir une traçabilité claire.

La gestion du cycle de revenu a un impact direct sur les flux de trésorerie et la conformité. La confiance vient de la visibilité et du contrôle, et non d’une automatisation aveugle. Tout système d’IA opérant dans cet espace doit répondre à cette norme.

Les pénuries de personnel dans les équipes de gestion du cycle de revenu sont souvent traitées comme des problèmes de main-d’œuvre. Du point de vue de l’IA, combien de problèmes sont en réalité enracinés dans la qualité des données et la conception des flux de travail, et où l’IA peut-elle avoir l’impact le plus important ?

Les défis de dotation en personnel sont réels, mais beaucoup d’entre eux sont amplifiés par une conception de flux de travail déficiente. Lorsque les équipes passent la majeure partie de leur temps à corriger des erreurs évitables, l’épuisement professionnel augmente et la productivité diminue.

Si vous nettoyez les entrées de données et réduisez les refus évitables, la même équipe peut fonctionner de manière plus efficace. L’IA a l’impact le plus important lorsqu’elle supprime le travail répétitif et standardise les processus.

Souvent, le problème n’est pas simplement lié au nombre de personnes. C’est la friction.

À mesure que l’IA s’intègre dans les opérations de gestion du cycle de revenu, comment voyez-vous l’évolution du rôle des équipes de gestion du cycle de revenu au cours des prochaines années en termes de supervision, de gestion des exceptions et de gouvernance ?

Je m’attends à ce que les équipes de gestion du cycle de revenu deviennent plus stratégiques. Moins de temps consacré au traitement répétitif. Plus de temps consacré à la supervision, aux appels complexes, aux négociations avec les payeurs et à l’analyse des performances.

À mesure que l’automatisation gère les tâches routinières, les équipes humaines se déplacent vers la gouvernance et l’optimisation. Cela élève la fonction plutôt que de la réduire.

En regardant vers l’avenir, attendez-vous que les plateformes de gestion du cycle de revenu pilotées par l’IA deviennent des infrastructures financières de base pour les hôpitaux plutôt que des outils optionnels, et quel changement cela permettrait-il pour les organisations qui opèrent sous une pression constante sur les marges ?

Oui. La pression sur les marges ne disparaîtra pas. La prévisibilité des remboursements deviendra essentielle.

Les plateformes de gestion du cycle de revenu pilotées par l’IA qui améliorent la précision et réduisent les pertes passeront d’outils optionnels à des infrastructures de base. Lorsque les flux de trésorerie deviennent plus stables, les hôpitaux peuvent planifier avec plus de confiance et investir de manière plus intentionnelle dans les soins aux patients.

C’est en fin de compte le résultat que nous souhaitons.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Rinova AI ou Edge.