Intégrer l'IA dans le RCM des soins de santé : pourquoi les humains doivent rester au courant

L'IA est devenue un élément incontournable de la gestion du cycle de revenus (RCM) des soins de santé, alors que les dirigeants financiers cherchent à apporter un certain soulagement aux services surchargés et en sous-effectif, confrontés à des volumes sans précédent de demandes d'audit par des tiers et à des taux de refus croissants.

Selon le nouveau communiqué Rapport de référence 2023, les investissements croissants dans les données, l'IA et les plateformes technologiques ont permis aux services de conformité et d'intégrité des revenus de réduire la taille de leurs équipes de 33 % tout en effectuant 10 % de plus d'activités d'audit par rapport à 2022. À une époque où les pénuries de personnel du RCM sont élevées, l'IA fournit une augmentation critique de la productivité.

Les établissements de santé signalent désormais quatre fois plus de demandes d’audit que celles reçues les années précédentes – et les lettres de mise en demeure d’audit comptent plus de 100 pages. C’est là que l’IA brille : sa plus grande capacité consiste à découvrir les valeurs aberrantes et les aiguilles dans la botte de foin à travers des millions de points de données. L’IA représente un avantage concurrentiel significatif pour la fonction RCM, et les dirigeants du secteur financier de la santé qui considèrent l’IA comme un battage publicitaire se retrouveront bientôt laissés pour compte.

Là où l’IA peut échouer

Une IA véritablement autonome dans le domaine de la santé est une chimère. S’il est vrai que l’IA a permis l’automatisation de nombreuses tâches RCM, la promesse de systèmes entièrement autonomes n’est toujours pas tenue. Cela est dû en partie à la propension des éditeurs de logiciels à se concentrer sur la technologie sans prendre au préalable le temps de bien comprendre les flux de travail ciblés et, surtout, les points de contact humains qu’ils contiennent – ​​une pratique qui conduit à une intégration inefficace de l’IA et à une adoption par les utilisateurs finaux.

Les humains doivent toujours être informés pour garantir que l’IA peut fonctionner de manière appropriée dans un environnement RCM complexe. L'exactitude et la précision restent les défis les plus difficiles avec l'IA autonome et c'est là que l'implication des humains dans la boucle améliorera les résultats. Même si les enjeux ne sont peut-être pas aussi importants pour le RCM que pour le domaine clinique, les répercussions de solutions d’IA mal conçues sont néanmoins importantes.

Les impacts financiers sont les plus évidents pour les organismes de santé. Les outils d’IA mal entraînés utilisés pour effectuer des audits de réclamations prospectives peuvent manquer des cas de sous-codage, ce qui signifie des opportunités de revenus manquées. Un client de MDaudit a découvert qu'une règle incorrecte dans son système de codage dit autonome codait incorrectement les unités de médicaments administrées, entraînant une perte de revenus de 25 millions de dollars. L’erreur n’aurait jamais été détectée et corrigée si un humain présent dans la boucle n’avait pas découvert la faille.

De même, l’IA peut également échouer en cas de surcodage des résultats contenant des faux positifs – un domaine dans lequel les organismes de santé doivent rester conformes, conformément à la mission du gouvernement de lutter contre la fraude, les abus et le gaspillage (FWA) dans le système de santé.

Une IA mal conçue peut également avoir un impact sur les fournisseurs individuels. Considérez les implications si un outil d’IA n’est pas correctement formé sur le concept de « fournisseur à risque » au sens du cycle de revenus. Les médecins pourraient se retrouver injustement ciblés et faire l’objet d’un examen et d’une formation supplémentaires s’ils sont inclus dans une sélection de prestataires à risque avec des taux de refus élevés. Cela fait perdre du temps qui devrait être consacré à la consultation des patients, ralentit les flux de trésorerie en retardant les demandes d'examens prospectifs et pourrait nuire à leur réputation en les qualifiant de « problématiques ».

Garder les humains au courant

Pour prévenir ces types de résultats négatifs, il faut que les humains soient au courant. Il existe trois domaines de l’IA en particulier qui nécessiteront toujours l’implication humaine pour obtenir des résultats optimaux.

1. Construire une base de données solide.

Construire une base de données solide est essentiel, car le modèle de données sous-jacent avec des métadonnées, une qualité de données et une gouvernance appropriées est essentiel pour permettre à l'IA d'atteindre une efficacité maximale. Pour que cela se produise, les développeurs doivent prendre le temps d'entrer dans les tranchées avec les responsables et le personnel en matière de conformité de facturation, de codage et de cycle de revenus afin de bien comprendre leurs flux de travail et les données nécessaires à l'exercice de leurs fonctions.

Une détection efficace des anomalies nécessite non seulement des données de facturation, de refus et d'autres réclamations, mais également une compréhension de l'interaction complexe entre les fournisseurs, les codeurs, les émetteurs de factures, les payeurs, etc. pour garantir que la technologie est capable d'évaluer en permanence les risques en temps réel et de répondre aux attentes. aux utilisateurs les informations nécessaires pour concentrer leurs actions et activités de manière à générer des résultats mesurables. Si les organisations ignorent la base de données et accélèrent le déploiement de leurs modèles d’IA à l’aide d’outils brillants, cela entraînera des hallucinations et des faux positifs de la part des modèles d’IA qui provoqueront du bruit et entraveront l’adoption.

2. Formation continue.

Le RCM de la santé est une profession en constante évolution qui nécessite une formation continue pour garantir que ses professionnels comprennent les dernières réglementations, tendances et priorités. Il en va de même pour les outils RCM basés sur l'IA. L’apprentissage par renforcement permet à l’IA d’élargir sa base de connaissances et d’augmenter sa précision. La contribution des utilisateurs est essentielle au perfectionnement et aux mises à jour afin de garantir que les outils d’IA répondent aux besoins actuels et futurs.

L’IA doit pouvoir être entraînée en temps réel, permettant aux utilisateurs finaux de fournir immédiatement des commentaires et des commentaires sur les résultats des recherches et/ou des analyses d’informations pour soutenir l’apprentissage continu. Il devrait également être possible pour les utilisateurs de marquer les données comme dangereuses lorsque cela est justifié afin d'empêcher leur amplification à grande échelle. Par exemple, attribuer une perte financière ou un risque de non-conformité à des entités ou à des individus spécifiques sans expliquer correctement pourquoi il est approprié de le faire.

3. Bonne gouvernance.

Les humains doivent valider les résultats de l’IA pour garantir leur sécurité. Même avec un codage autonome, un professionnel du codage doit s’assurer que l’IA a correctement « appris » comment appliquer des ensembles de codes mis à jour ou gérer les nouvelles exigences réglementaires. Lorsque les humains sont exclus de la boucle de gouvernance, une organisation de soins de santé s’expose à des fuites de revenus, à des résultats d’audit négatifs, à une perte de réputation et bien plus encore.

Il ne fait aucun doute que l’IA peut transformer les soins de santé, en particulier le RCM. Cependant, cela nécessite que les organismes de santé augmentent leurs investissements technologiques avec une formation humaine et professionnelle afin d'optimiser la précision, la productivité et la valeur commerciale.