ヘルスケアのRCMにおけるAIの統合：ヒューマンがループに留まる理由

AIは、ヘルスケアの収益サイクル管理（RCM）において、財務リーダーが過負荷で人員不足の部門に対する第三者監査要求の増加と却下率の増加に対処するための解決策を提供するために、不可欠な存在となっています。

新しく公開された2023 Benchmark Reportによると、データ、AI、テクノロジー・プラットフォームへの投資の増加により、コンプライアンスと収益整合性の部門は、チームのサイズを33％削減しながら、2022年よりも10％多くの監査活動を実施することができます。RCMの人員不足が高まる中、AIは重要な生産性の向上を提供しています。

ヘルスケア組織は、現在、以前の年よりも4倍多くの監査要求を報告しています。また、監査要求書は100ページを超えることがあります。これがAIの強みを発揮する場面です。AIの最大の能力は、数百万のデータ・ポイントの中から外れ値や針を発見することです。AIは、RCM機能に対する重要な競争上の優位性を表し、AIを空間と見なすヘルスケアの財務リーダーは、すぐに組織が後れを取ることになります。

AIが短所を露呈する場所

ヘルスケアにおける真正に自律的なAIは、幻想です。AIが多くのRCMタスクの自動化を可能にしたことは事実ですが、完全に自律的なシステムの約束はまだ果たされていません。これは、一部、ソフトウェア・ベンダーが、ターゲットとなるワークフローと、特にそれらのワークフロー内のヒューマンのタッチポイントを十分に理解する時間を取ることなく、テクノロジーに焦点を当てているためです。これは、効果的なAI統合とエンドユーザーの採用が不十分になる原因となります。

ヒューマンが常にループに留まって、AIが複雑なRCM環境で適切に機能することを確認する必要があります。精度と精密さは、自律的なAIで最も難しい課題であり、ここでヒューマンがループに留まることで成果を高めることができます。RCMの場合、臨床側ほどリスクは高くないかもしれませんが、不適切に設計されたAIソリューションの結果は、重大なものです。

ヘルスケア組織にとって、最も明らかな影響は財務上のものです。請求書監査に使用されるAIツールが、不正確にトレーニングされた場合、コード不足のインスタンスを発見できず、収入機会を逃す可能性があります。MDauditの顧客の1社は、所谓の「自律的な」コードシステム内の不正なルールが、投薬された薬物の単位を不正にコード化しており、2,500万ドルの収入損失につながったことを発見しました。このエラーは、ループにヒューマンが含まれない場合、決して発見されずに修正されることはなかったでしょう。

同様に、AIは、過剰コード化の結果、偽陽性とともに短所を露呈する可能性もあります。これは、ヘルスケア組織が、政府の医療制度における不正、乱用、無駄遣い（FWA）との戦いの使命と一致するように、コンプライアンスを維持する必要がある領域です。

不適切に設計されたAIは、個々の提供者にも影響を及ぼす可能性があります。収益サイクルにおける「リスクのある提供者」の概念を十分にトレーニングしなかったAIツールを考えてみましょう。医師は、却下率の高いリスクのある提供者のスイープに含まれて、不当に追加の監査とトレーニングの対象となる可能性があります。これにより、患者を見る時間が無駄になり、請求書の遅れによりキャッシュ・フローが遅くなる可能性があり、さらに「問題のある」ラベルを付けることで評判を損なう可能性があります。

ヒューマンをループに留める

これらのような否定的な結果を防ぐには、ヒューマンがループに留まる必要があります。AIには、常にヒューマンの関与を必要とする3つの領域があります。

1. 強力なデータ・ファウンデーションの構築。

堅牢なデータ・ファウンデーションを構築することは、AIが最高の効率を達成するために不可欠です。適切なメタデータ、データ・クオリティ、ガバナンスを備えたデータ・モデルは、AIがタスクを実行するために不可欠です。これが起こるためには、開発者は請求書のコンプライアンス、コード化、収益サイクルのリーダーおよびスタッフと密接に協力して、ワークフローとタスクを実行するために必要なデータを十分に理解する必要があります。

有効なアノマリー検出には、請求書、却下、他の請求書データのみでなく、提供者、コーダー、請求書作成者、支払者などの複雑な相互作用も必要です。テクノロジーがリアルタイムでリスクを継続的に評価し、ユーザーに情報を提供して、行動と活動を集中させることができるようにする必要があります。組織がデータ・ファウンデーションを省略し、輝かしいツールを使用してAIモデルを迅速に展開する場合、AIモデルから幻想と偽陽性が発生し、ノイズが生じ、採用が妨げられることになります。

2.継続的なトレーニング

ヘルスケアのRCMは、最新の規制、トレンド、優先事項を理解するために継続的な教育が必要な、不断に進化する専門職です。AIを使用したRCMツールも同様です。強化学習により、AIは知識ベースを拡大し、精度を高めることができます。ユーザーの入力は、精度と将来のニーズを確保するためのツールの更新と改良に不可欠です。

AIはリアルタイムでトレーニングできる必要があり、エンドユーザーが情報検索と分析の結果に対してすぐに入力とフィードバックを提供できる必要があります。また、必要に応じてデータを安全でないものとしてマークすることもできる必要があります。たとえば、特定のエンティティまたは個人に財務上の損失またはコンプライアンス上のリスクを帰属させる場合、その帰属の理由を適切に説明する必要があります。

3.適切なガバナンス

ヒューマンは、AIの出力を検証して安全であることを確認する必要があります。自律的なコード化の場合も、コード化の専門家は、AIが更新されたコードセットを適切に「学習」し、新しい規制要件に対処する方法を理解していることを確認する必要があります。ヒューマンがガバナンスのループから除外されると、ヘルスケア組織は、収益の漏れ、否定的な監査結果、評判の損失、その他多くの問題に直面することになります。

AIがヘルスケア、特にRCMを変革できることは間違いありません。しかし、そのためには、ヘルスケア組織がテクノロジー投資を、ヒューマンとワークフォースのトレーニングで補完して、精度、生産性、ビジネス価値を最適化する必要があります。