Dott. Rihan Javid, CEO e Co-Fondatore di Rinova – Serie di Interviste

Dott. Rihan Javid, CEO e Co-Fondatore di Rinova AI, è un dirigente sanitario e imprenditore focalizzato sulla modernizzazione delle operazioni sanitarie attraverso l’intelligenza artificiale. Oltre a guidare Rinova, è Co-Fondatore e Presidente di Edge, che fornisce soluzioni di infrastruttura di lavoro remoto per assicurazioni, studi medici e dentistici. Come psichiatra, attualmente ricopre il ruolo di Direttore Medico e Chief Medical Officer presso CommonSpirit Health e St. Joseph’s Behavioral Health Center, oltre a svolgere un ruolo clinico presso Touro University Medical Group. La sua esperienza precedente include la pratica della psichiatria presso The Permanente Medical Group, Inc. e il completamento della formazione di residenza presso California Pacific Medical Center e l’Università della Florida meridionale, oltre a precedenti esperienze di leadership come principale nel reclutamento legale.

Rinova AI è un’azienda di tecnologia sanitaria focalizzata sulla gestione del ciclo di entrate e sulla automazione della fatturazione medica basata sull’intelligenza artificiale. La piattaforma è progettata per ridurre gli oneri amministrativi per i fornitori di servizi sanitari, automatizzando processi chiave come la verifica dell’assicurazione, l’ottimizzazione della codifica, la presentazione delle richieste e la gestione dei rifiuti. Sfruttando l’intelligenza artificiale per razionalizzare i flussi di lavoro e migliorare l’accuratezza, Rinova mira a fornire risparmi significativi rispetto ai servizi di fatturazione tradizionali, accelerando i rimborsi e migliorando le prestazioni finanziarie per le organizzazioni sanitarie.

Ha co-fondato Edge nel 2021 dopo anni di lavoro come psichiatra e successivamente come direttore medico e CMO. Da un punto di vista di intelligenza artificiale, quali segnali precoci ha notato nei flussi di lavoro di fatturazione, come ad esempio dati frammentati, regole dei pagatori in costante evoluzione o gestione manuale delle eccezioni, che lo hanno convinto che l’automazione sarebbe diventata inevitabile?

Quando ero in pratica e successivamente dirigeva le operazioni cliniche, ho visto quanto attrito esistesse nella fatturazione. I dati vivevano in sistemi multipli che non comunicavano bene. Le richieste dei pagatori cambiavano costantemente. Il personale trascorreva ore rielaborando le richieste per motivi che spesso erano prevedibili in retrospettiva.

Ciò che mi è sembrato evidente è la ripetizione. Gli stessi errori, gli stessi modelli di rifiuto, le stesse lacune nella documentazione. Questi non erano problemi rari e complessi. Erano interruzioni operative ricorrenti. A una certa scala, si rende conto che chiedere alle persone di gestire manualmente tale complessità non è sostenibile. È allora che diventa chiaro che l’automazione non è opzionale. È inevitabile.

Quando ha lanciato Rinova AI alcuni anni dopo, cosa è cambiato nel lato tecnologico o dei dati che ha reso possibile applicare l’intelligenza artificiale alla gestione del ciclo di entrate in modo da poter operare in modo affidabile contro le regole dei pagatori e la complessità reale delle richieste?

Due cose sono cambiate. In primo luogo, l’ambiente dei dati è migliorato. Le integrazioni tra sistemi di registro elettronico, case di clearing e piattaforme di fatturazione sono diventate più strutturate. Ciò ha fornito input più puliti e feedback più forti.

In secondo luogo, la tecnologia è maturata. Siamo andati oltre i semplici motori di regole. I modelli sono diventati in grado di valutare il contesto, non solo di controllare le caselle. Ciò ha consentito di analizzare la documentazione, la codifica e la logica dei pagatori insieme, anziché isolatamente.

Non è che la fatturazione sia diventata improvvisamente semplice. È che l’ecosistema è diventato abbastanza stabile per l’intelligenza artificiale da operare con affidabilità.

La gestione del ciclo di entrate ha tradizionalmente fatto affidamento su regole statiche e recupero dopo il rifiuto. Come l’introduzione dell’intelligenza artificiale nel flusso di lavoro cambia il modo in cui gli ospedali pensano al rischio finanziario e alla prevedibilità del rimborso?

Tradizionalmente, i team del ciclo di entrate accettano un certo livello di rifiuto come parte del fare business. Il lavoro inizia dopo che qualcosa va storto.

Quando l’intelligenza artificiale viene introdotta a monte, l’obiettivo si sposta dalla recupero alla prevenzione. È possibile identificare lacune nella documentazione o errori di codifica prima della presentazione. Ciò riduce la variabilità nel rimborso.

Gli ospedali iniziano a pensare meno a inseguire i ricavi e più a controllare il rischio prima che si materializzi. Ciò cambia la pianificazione, i modelli di personale e persino le discussioni a livello di consiglio di amministrazione sulla stabilità finanziaria.

I sistemi di intelligenza artificiale spesso funzionano bene sui casi standard, ma lottano ai margini. Nelle operazioni di fatturazione di oggi, quali scenari sono gestiti meglio dall’automazione e dove il giudizio umano gioca ancora un ruolo critico?

L’automazione funziona meglio nelle attività strutturate e ad alto volume. Le verifiche di idoneità, la convalida dell’autorizzazione, la coerenza della codifica e la rilevazione dei modelli di rifiuto sono tutti ambiti in cui le macchine possono elaborare più velocemente e più coerentemente delle persone.

Il giudizio umano è ancora importante nei casi limite. Le appelli che richiedono una sottigliezza clinica, le controversie contrattuali, il comportamento insolito dei pagatori o gli scenari dei pazienti complessi traggono tutti beneficio dall’esperienza e dal ragionamento. L’intelligenza artificiale può segnalare il rischio. Gli esseri umani interpretano ancora le aree grigie e prendono le decisioni finali.

Edge incorpora team del ciclo di entrate formati nel settore sanitario nei flussi di lavoro degli ospedali, mentre Rinova automatizza la presa di decisioni a monte. Come si approccia alla progettazione di sistemi di intelligenza artificiale che rafforzano la presa di decisioni umana anziché introdurre nuovi rischi operativi?

Si approccia l’intelligenza artificiale come uno strato di supporto, non come un sostituto. Il sistema presenta raccomandazioni ed espone la sua logica. I nostri team formati nel settore sanitario rimangono incorporati nel flusso di lavoro.

Questa struttura è importante. L’intelligenza artificiale gestisce la scala e il riconoscimento dei modelli. Gli esseri umani gestiscono la supervisione e la responsabilità. Quando questi ruoli sono chiari, si riduce il rischio anziché aumentarlo.

L’obiettivo è ridurre il sovraccarico cognitivo, non rimuovere il giudizio umano.

Le politiche dei pagatori cambiano frequentemente e non sono sempre applicate in modo coerente. Come l’intelligenza dei pagatori in tempo reale ridisegna il ciclo di feedback tra la presentazione delle richieste, i rifiuti e il miglioramento continuo del modello?

Le politiche dei pagatori cambiano frequentemente e l’applicazione non è sempre coerente. Storicamente, le organizzazioni hanno aggiornato le regole periodicamente e sperato di essere aggiornate.

Con il feedback in tempo reale, ogni rifiuto e approvazione diventa un punto di dati. Il modello apprende dagli esiti reali anziché da assunzioni statiche. Ciò accorcia il divario tra il cambiamento della politica e l’adattamento operativo.

Nel tempo, ciò riduce i rifiuti sorprendenti e migliora l’accuratezza della presentazione. Rende il sistema più adattivo.

Gli ospedali sono comprensibilmente cauti riguardo ai sistemi di intelligenza artificiale che influenzano la liquidità. Qual è il livello di trasparenza o di controllo che i leader sanitari dovrebbero aspettarsi prima di fidarsi delle decisioni di fatturazione guidate dall’intelligenza artificiale?

I leader dovrebbero aspettarsi chiarezza. Dovrebbero capire perché una raccomandazione è stata fatta. Dovrebbero essere in grado di annullarla. E dovrebbero avere una chiara traccia di audit.

Il ciclo di entrate influenza direttamente la liquidità e la conformità. La fiducia deriva dalla visibilità e dal controllo, non dall’automazione cieca. Qualsiasi sistema di intelligenza artificiale che opera in questo spazio deve soddisfare questo standard.

Le carenze di personale nei team del ciclo di entrate sono spesso trattate come problemi di lavoro. Dal suo punto di vista, quanto del problema è effettivamente radicato nella qualità dei dati e nella progettazione del flusso di lavoro, e dove l’intelligenza artificiale può avere l’impatto più grande?

Le sfide di personale sono reali, ma molte di esse sono amplificate da una cattiva progettazione del flusso di lavoro. Quando i team trascorrono la maggior parte del loro tempo correggendo errori evitabili, l’esaurimento aumenta e la produttività diminuisce.

Se si puliscono gli input dei dati e si riducono i rifiuti evitabili, lo stesso team può operare più efficacemente. L’intelligenza artificiale ha l’impatto più grande dove rimuove il lavoro ripetitivo e standardizza i processi.

Spesso, il problema non è semplicemente il numero di dipendenti. È l’attrito.

Man mano che l’intelligenza artificiale si integra nelle operazioni del ciclo di entrate, come vede l’evoluzione del ruolo dei team del ciclo di entrate nei prossimi anni in termini di supervisione, gestione delle eccezioni e governance?

Mi aspetto che i team del ciclo di entrate diventino più strategici. Meno tempo sulla elaborazione ripetitiva. Più tempo sulla supervisione, le appelli complesse, le negoziazioni con i pagatori e l’analisi delle prestazioni.

Man mano che l’automazione gestisce il lavoro di routine, i team umani si spostano verso la governance e l’ottimizzazione. Ciò eleva la funzione anziché ridurla.

Guardando avanti, si aspetta che le piattaforme di gestione del ciclo di entrate guidate dall’intelligenza artificiale diventino infrastrutture finanziarie di base per gli ospedali anziché strumenti opzionali, e cosa questo spostamento consentirebbe alle organizzazioni che operano sotto una costante pressione sui margini?

Sì. La pressione sui margini non scomparirà. La prevedibilità nel rimborso diventerà essenziale.

Le piattaforme guidate dall’intelligenza artificiale che migliorano l’accuratezza e riducono le perdite diventeranno infrastrutture di base anziché strumenti opzionali. Quando la liquidità diventa più stabile, gli ospedali possono pianificare con più fiducia e investire più intenzionalmente nell’assistenza ai pazienti.

Questo è il risultato finale che ci interessa.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Rinova AI o Edge.