์ธํฐ๋ทฐ
๋ฆฌ๋ ธ๋ฐ AI์ ๋ฆฌํ ์๋น๋ ๋ฐ์ฌ, ๊ณต๋ ์ฐฝ๋ฆฝ์ ๋ฐ CEO – ์ธํฐ๋ทฐ ์๋ฆฌ์ฆ
리한 자비드 박사, 리노바 AI의 CEO 및 공동 창립자는 의사 및 경영자로서 인공 지능을 통해 의료 운영을 현대화하는 데 중점을 두고 있습니다. 리노바를 이끄는 것 외에도 그는 에지의 공동 창립자 및 사장으로서 보험, 의료, 치과 진료소에 원격 작업장 인프라 솔루션을 제공합니다. 임상 정신과 의사로 현재 커먼 스피릿 헬스 및 세인트 조셉 비헤이비어 헬스 센터에서 의료 책임자 및 최고 의료 책임자로 근무하고 있으며 투로 대학 의학 그룹에서도 임상 역할을 하고 있습니다. 이전에는 퍼머넌트 메디컬 그룹에서 정신과 의사로 근무했으며 캘리포니아 퍼시픽 메디컬 센터와 플로리다 대학교에서 레지던트 훈련을 마쳤으며 이전에는 법률 채용에서 책임자로 근무했습니다.
리노바 AI는 인공 지능 기반 수익サイ클 관리 및 의료 청구 자동화를 위한 헬스케어 기술 회사입니다. 이 플랫폼은 보험 확인, 코드 최적화, 청구 제출 및 거절 관리와 같은 주요 프로세스를 자동화하여 제공자에게 행정 부담을 줄이는 것을 목표로 합니다. 인공 지능을 활용하여 워크플ロー를 최적화하고 정확성을 향상시키는 리노바는 전통적인 청구 서비스와 비교하여 상당한 비용 절감을 제공하는 동시에 급여를 가속화하고 헬스케어 기관의 재정 성과를 향상시키는 것을 목표로 합니다.
에지를 2021년에 공동 창립한 후 정신과 의사 및 의료 책임자로 근무했습니다. 청구 워크플로에서 조각난 데이터, 변경되는 지불자 규칙, 수동 예외 처리와 같은 초기 신호는 자동화가 결국 피할 수 없게 될 것이라고 확신시켰습니까?
임상 운영을 담당했을 때 청구에서 많은 마찰이 있음을 보았습니다. 데이터는 서로 잘 통신하지 않는 여러 시스템에 저장되어 있었습니다. 지불자 요구 사항은 끊임없이 변경되었습니다. 직원들은 종종 예상할 수 있는 이유로 청구를 다시 작업하는 데 수시간을 보냈습니다.
제가 주목한 것은 반복입니다. 같은 오류, 같은 거절 패턴, 같은 문서 격차. 이것들은 드문, 미묘한 문제가 아니었습니다. 반복되는 운영 중단이었습니다. 어느 정도의 규모에서 사람들에게 수동으로 그 복잡성을 관리하도록 요청하는 것은 지속할 수 없다는 것을 알게 됩니다. 그때 자동화는 선택이 아닌 필수가 됩니다.
리노바 AI를 몇 년 후에 출시했을 때 기술이나 데이터 측면에서 무엇이 변경되어 수익サイ클 관리에 인공 지능을 적용할 수 있게 되었습니까?
두 가지가 변경되었습니다. 첫째, 데이터 환경이 개선되었습니다. 전자 건강기록, 청구 플랫폼 및 청구 하우스 간의 통합이 더 구조화되었습니다. 더 깨끗한 입력과 더 강한 피드백 루프를 제공했습니다.
둘째, 기술이 성숙했습니다. 우리는 단순한 규칙 엔진을 넘어섰습니다. 모델은 단지 체크박스를 확인하는 것이 아니라 컨텍스트를 평가할 수 있게 되었습니다. 문서, 코드, 지불자 논리를 함께 분석할 수 있게 되었습니다.
청구가 갑자기 단순해진 것은 아니었습니다. 생태계가 안정되어 인공 지능이 신뢰성 있게 작동할 수 있게 된 것입니다.
수익サイ클 관리는 전통적으로 정적 규칙과 거절 후 회복에 의존합니다. 워크플로에서 인공 지능을 더早く 도입하면 병원들이 재정적 위험과 급여 예측 가능성에 대해 어떻게 생각해야 합니까?
전통적으로 수익サイ클 팀은 Certain 수준의 거절을 사업의 일부로 수용합니다. 작업은 잘못된 것이 발견된 후에 시작됩니다.
인공 지능을 상류에 도입하면 회복에서 예방으로 목표가 변경됩니다. 제출 전에 문서 격차나 코드 불일치를 식별할 수 있습니다. 급여의 가변성을 줄입니다.
병원들은 수익을 추구하는 것보다 위험을 제어하는 것에 더 관심을 갖습니다. 예측, 인력 모델, 재정적 안정성에 대한 이사회 회의와 같은 것을 변경합니다.
AI 시스템은 표준 사례에서 잘 작동하지만 가장자리에서 어려움을 겪습니다. 현재 청구 운영에서 자동화가 가장 효과적으로 처리하는 시나리오는 어디입니까? 인간의 판단은 어디에서 중요한 역할을 합니까?
자동화는 구조화된, 높은 볼륨의 작업에서 잘 작동합니다. 자격 확인, 승인 확인, 코드 일관성, 거절 패턴 감지는 모두 기계가 사람보다 더 빠르고 일관되게 처리할 수 있는 영역입니다.
인간의 판단은 가장자리 사례에서 중요합니다. 임상적 미묘함이 필요한 항소, 계약紛争, 비정상적인 지불자 행동 또는 복잡한 환자 시나리오는 모두 경험과推論의 이점을 얻을 수 있습니다. 인공 지능은 위험을 식별할 수 있지만 인간은 회색 영역을 해석하고 최종 결정을 내립니다.
에지는 헬스케어 훈련을 받은 수익サイ클 팀을 병원 워크플로에埋め込み, 리노바는 업스트림에서 의사 결정 자동화를 제공합니다. 인간의 의사 결정이 강화되는 대신 새로운 운영 위험을 도입하지 않도록 AI 시스템을 설계하는 방법에 대해 어떻게 접근합니까?
우리는 인공 지능을 지원 계층으로, 대체로 사용하지 않습니다. 시스템은 추천 사항을 제시하고 논리를 설명합니다. 우리의 헬스케어 훈련을 받은 팀은 워크플로에 계속 포함됩니다.
그 구조가 중요합니다. 인공 지능은 규모와 패턴 인식을 처리합니다. 인간은 감독과 책임을 담당합니다. 역할이 명확할 때 위험을 줄입니다.
인지 과부하를 줄이는 것이 목표입니다. 인간의 판단을 제거하는 것이 아닙니다.
지불자 정책은 자주 변경되고 항상 일관되게 시행되지는 않습니다. 실시간 지불자 지능은 청구 제출, 거절 및 지속적인 모델 개선 사이의 피드백 루프를 어떻게 재구성합니까?
지불자 정책은 자주 변경되고 시행은 항상 일관적이지 않습니다. 역사적으로 조직은 규칙을 정기적으로 업데이트하고 최신 상태인지หว했습니다.
실시간 피드백으로 거절과 승인마다 데이터 포인트가 됩니다. 모델은 정적 가정 대신 실제 결과에서 학습합니다. 정책 변경과 운영 조정 사이의 간격을 줄입니다.
시간이 지남에 따라 예상치 못한 거절을 줄이고 제출 정확성을 향상시킵니다. 시스템을 더 적응性 있게 만듭니다.
병원들은 인공 지능 시스템이 현금 흐름에 영향을 미치는 것을 자연스럽게 주의합니다. 헬스케어 리더는 AI 기반 청구 결정에 신뢰를 둘 수 있도록 어느 수준의 투명성 또는 제어가 필요합니까?
리더는 명확성을 기대해야 합니다. 그들은 추천 이유를 이해할 수 있어야 합니다. 그것을 재정의할 수 있어야 합니다. 그리고 명확한 감사 추적을 가지고 있어야 합니다.
수익サイ클은 직접 현금 흐름과 준수에 영향을 미칩니다. 신뢰는 무조건적인 자동화에서 오지 않습니다. 투명성과 제어에서 옵니다. 이 영역에서 작동하는 모든 인공 지능 시스템은 이러한 표준을 충족해야 합니다.
수익サイ클 팀의 인력 부족은 종종 노동 문제로 처리됩니다. 데이터 품질과 워크플로 설계의 관점에서 문제의 어느 정도가 실제로 근본적인 것입니까? 그리고 AI가 가장 큰 영향을 미칠 수 있는 곳은 어디입니까?
인력 부족은 실제로 존재하지만 많은 경우가 피할 수 있는 오류를 수정하는 데 시간을 보내기 때문에 증폭됩니다. 팀이 예방할 수 있는 오류를 수정하는 데 대부분의 시간을 보낼 때 탈진이 증가하고 생산성이 저하됩니다.
데이터 입력을 정리하고 피할 수 있는 거절을 줄이면 동일한 팀이 더 효율적으로 작동할 수 있습니다. 인공 지능은 반복적인 재작업을 제거하고 프로세스를 표준화하는 곳에서 가장 큰 영향을 미칩니다.
종종 문제는 단순히 헤드카운트가 아닙니다. 마찰입니다.
수익サイ클 운영에 인공 지능이 더 많이 통합됨에 따라 향후 수년 동안 수익サイ클 팀의 역할은 어떻게 발전할 것으로 보입니까? 감독, 예외 처리, 거버넌스 측면에서?
수익サイ클 팀이 더 전략적으로 변할 것으로 예상합니다. 반복적인 처리에 덜 시간을 보낼 것입니다. 복잡한 항소, 지불자 협상, 성과 분석에 더 많은 시간을 보낼 것입니다.
자동화가 루틴 작업을 처리하면 인간 팀은 거버넌스와 최적화로 이동합니다. 그 기능을 축소하는 것이 아니라 향상시킵니다.
향후에 AI 기반 수익サイ클 플랫폼이 병원에서 핵심 재정 인프라가 될 것으로 예상합니까? 그리고 그 변화는 마진 압박하에 운영되는 조직을 위해 무엇을 가능하게 할 것입니까?
예. 마진 압박은 사라지지 않습니다. 급여 예측 가능성이 필수적이 됩니다.
정확성을 개선하고 누수를 줄이는 AI 기반 플랫폼은 선택적인 도구에서 핵심 인프라로 이동할 것입니다. 현금 흐름이 더 안정적이 되면 병원은 더 자신감을 가지고 환자 치료에 더 의도적으로 투자할 수 있습니다.
그것이 궁극적으로 우리가 관심을 두는 결과입니다.
