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

Dr. Rihan Javid, CEO e Co-Fondatore di Rinova AI, è un dirigente medico 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, pratiche mediche e odontoiatriche. Come psichiatra praticante, attualmente ricopre il ruolo di Direttore Medico e Direttore Sanitario 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’University of South Florida, oltre a una precedente esperienza di leadership come principale nel reclutamento legale.

Rinova AI è un’azienda di tecnologia sanitaria focalizzata sulla gestione del ciclo di entrate e sull’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. Dal punto di vista dell’intelligenza artificiale, quali segnali precoci ha notato nei flussi di lavoro di fatturazione, come dati frammentati, regole dei pagatori in costante evoluzione o gestione manuale delle eccezioni, che l’hanno convinto che l’automazione sarebbe diventata inevitabile?

Quando praticavo e successivamente gestivo 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. Lo staff trascorreva ore rielaborando le richieste per motivi che spesso erano prevedibili a posteriori.

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 guasti operativi ricorrenti. A una certa scala, si realizza 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 sul lato tecnologico o dei dati che ha reso possibile applicare l’intelligenza artificiale alla gestione del ciclo di entrate in modo da operare in modo affidabile contro regole dei pagatori in tempo reale e complessità delle richieste reali?

Due cose sono cambiate. In primo luogo, l’ambiente dei dati è migliorato. Le integrazioni tra EHR, clearing house e piattaforme di fatturazione sono diventate più strutturate. Ciò ci 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 ci ha permesso di analizzare la documentazione, la codifica e la logica del pagatore insieme, invece che in isolamento.

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 post-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 problemi di allineamento della codifica prima della presentazione. Ciò riduce la variabilità nel rimborso.

Gli ospedali iniziano a pensare meno all’inseguimento del ricavo e più al controllo del rischio prima che si materializzi. Ciò cambia la previsione, 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 più efficacemente 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 tutte aree in cui le macchine possono elaborare più velocemente e in modo più coerente rispetto alle persone.

Il giudizio umano è ancora importante nei casi limite. Le appelli che richiedono una sottigliezza clinica, le controversie contrattuali, il comportamento insolito del pagatore o gli scenari complessi dei pazienti 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 di 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 invece di introdurre nuovi rischi operativi?

Ci approcciamo all’intelligenza artificiale come a un livello di supporto, non a un sostituto. Il sistema fornisce raccomandazioni ed espone la sua logica. I nostri team di ciclo di entrate 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 invece di 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 in tempo reale sui pagatori 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 aggiornavano le regole periodicamente e speravano di essere aggiornate.

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

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

Gli ospedali sono comprensibilmente cauti riguardo ai sistemi di intelligenza artificiale che influenzano il flusso di cassa. 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 il flusso di cassa 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 il maggior impatto?

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 prevenibili, 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 in modo più efficace. L’intelligenza artificiale ha il maggior impatto 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 per l’elaborazione ripetitiva. Più tempo per la supervisione, le appelli complesse, le trattative 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 invece di ridurla.

Guardando avanti, si aspetta che le piattaforme di ciclo di entrate guidate dall’intelligenza artificiale diventino infrastrutture finanziarie core per gli ospedali invece di strumenti opzionali, e quale sarebbe il cambiamento che ciò abiliterebbe per le organizzazioni che operano sotto 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 fondamentali invece di strumenti opzionali. Quando il flusso di cassa diventa più stabile, gli ospedali possono pianificare con maggiore fiducia e investire in modo più intenzionale nella cura dei pazienti.

Questo è il risultato finale di cui ci preoccupiamo.

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