의료 비용 청구 관리에 AI 를 통합하기: 인간이 반드시 루프에 남아 있어야 하는 이유

AI 는 의료 비용 청구 관리 (RCM) 에서 필수적인 요소가 되었습니다. 재무 리더들은 예상치 못한 규모의 제 3 자 감사 요구와 거부율 증가로 인해 과부하가 걸린 부서에 대한 구제책을 제공하려고 합니다.

최근에 발표된 2023 벤치마크 보고서에 따르면, 데이터, AI, 기술 플랫폼에 대한 투자가 증가함에 따라, 규제 준수 및 수익诚 실무 부서는 팀 크기를 33% 줄이면서 2022 년보다 10% 더 많은 감사 활동을 수행할 수 있었습니다. RCM 인력 부족이 높은 상황에서, AI 는 중요한 생산성 향상을 제공합니다.

의료 기관은 현재 이전 년도보다 4 배 더 많은 감사 요청을 보고하고 있으며, 감사 요구서도 100 페이지 이상으로 늘어났습니다. 이것이 AI 가 빛나는 곳입니다. AI 의 가장 큰 능력은 수백만 개의 데이터 포인트 중에서 이상値와 바늘을 찾는 것입니다. AI 는 RCM 기능에 대한重大한 경쟁 우위를 나타내며, AI 를 허구로 간주하는 의료 재무 리더들은 곧 자신의 기관이 뒤처지는 것을 발견할 것입니다.

AI 가 부족한 곳

의료 분야에서真正 자율적인 AI 는 Pipe Dream 입니다. AI 가 많은 RCM 작업을 자동화했다는 것은 사실이지만, 완전히 자율적인 시스템의 약속은 아직도 실현되지 않았습니다. 이것은 부분적으로 소프트웨어 벤더들이 기술에 집중하는 반면, 대상 워크플로우와 중요하게도 그 안에있는 인간 터치 포인트를 먼저 완전히 이해하는 시간을 갖지 않는다는 사실에 기인합니다. 이러한 관행은 효과적인 AI 통합과 최종 사용자 채택으로 이어집니다.

인간은 항상 루프에 남아 있어야 합니다. 그렇게 함으로써 AI 가 복잡한 RCM 환경에서 적절하게 작동할 수 있습니다. 정확도와 정밀도는 자율적인 AI 와 함께 가장 어려운課題이며, 여기서 루프에 인간을 참여시키면 결과를 향상시킬 수 있습니다. RCM 의 경우 임상 측면보다 став는 낮을 수 있지만, 잘못 설계된 AI 솔루션의 결과는 여전히 중요합니다.

의료 기관에 대한 재정적 영향은 가장 명백한 것입니다. 잘못된 AI 도구를 사용하여 잠재적인 청구 감사 작업을 수행할 경우, 언더 코딩의 경우를 놓칠 수 있으며, 이는 수익 기회를 놓치는 것을 의미합니다. 한 MDaudit 고객은 잘못된 규칙이 잘못된 약물 단위를 코딩하여 2,500 만 달러의 수익을 잃었다는 것을 발견했습니다. 이러한 오류는 루프에 인간이 포함되지 않았으면 결코 발견되지 않았을 것입니다.

또한 AI 는 과코딩 결과로 거짓 양성과 함께 부족할 수 있습니다. 이것은 의료 기관이 정부의 의료 시스템에서 사기, 남용,浪費 (FWA) 를 방지하는 임무와 일치하는 데 있어 중요합니다.

잘못 설계된 AI 는 또한 개별 제공자에게 영향을 미칠 수 있습니다. 수익주기 의미에서 “위험한 제공자”라는 개념에 대한 AI 도구가 제대로 훈련되지 않은 경우를 고려해 보십시오. 의사는 고거부율을 가진 위험한 제공자에 대한 Sweep 에 포함되어 추가적인 검토와 훈련을 받을 수 있습니다. 이것은 환자를 볼 시간을 낭비하고, 잠재적인 검토로 인해 청구를 지연시켜 현금 흐름을 늦추고, “문제가 있는” 레이블을 붙여서 그들의 평판을 손상시킬 수 있습니다.

루프에 인간을 유지하기

이러한 부정적인 결과를 방지하려면 루프에 인간이 필요합니다. AI 에서 인간의 참여가 항상 필요한 세 가지 영역이 있습니다.

1. 강력한 데이터基础 구축.

강력한 데이터 基础를 구축하는 것은 중요합니다. 데이터 모델에 적절한 메타데이터, 데이터 품질, 거버넌스가 포함된 경우에만 AI 가 최고의 효율성을 달성할 수 있습니다. 이를 위해서는 개발자가 청구, 규제 준수, 코딩, 수익주기 리더와 직원과 함께 작업하여 그들의 워크플로우와 데이터를 완전히 이해해야 합니다.

유효한 이상値 감지는 청구, 거부, 기타 청구 데이터뿐만 아니라 제공자, 코더, 청구자, 지불자 등 사이의 복잡한 상호 작용을 이해하여 기술이 실시간으로 위험을 지속적으로 평가하고 사용자에게 측정 가능한 결과를 도출하기 위해 작업과 활동을 집중할 수 있는 정보를 제공할 수 있도록 하는데 필요합니다. 데이터 基础를 건너뛰고 화려한 도구를 사용하여 AI 모델을 배포하면, AI 모델에서 환각과 거짓 양성이 발생하여 노이즈를 일으키고 채택을 방해할 것입니다.

2. 지속적인 훈련.

의료 RCM 은 지속적으로 진화하는 직업으로, 전문가들이 최신 규제, 트렌드, 우선순위를 이해하기 위해 지속적인 교육이 필요합니다. AI 를 사용한 RCM 도구도 마찬가지입니다. 강화 학습을 통해 AI 는 지식 기반을 확장하고 정확도를提高할 수 있습니다. 사용자 입력은 정련과 업데이트에 필수적이며, AI 도구가 현재 및 미래의 요구를 충족하도록 합니다.

AI 는 실시간으로 훈련될 수 있어야 하며, 사용자는 정보 검색 및 분석 결과에 즉시 입력과 피드백을 제공하여 지속적인 학습을 지원할 수 있어야 합니다. 또한 사용자는 데이터가 안전하지 않은 경우 데이터를 표시하여 확대 방지할 수 있어야 합니다. 예를 들어, 특정 엔티티 또는 개인에게 재정적 손실이나 규제 위험을 적절하게 설명하지 않고도 귀속하는 경우입니다.

3. 적절한 거버넌스.

인간은 AI 의 출력을 검증하여 안전한지 확인해야 합니다. 자율 코딩의 경우에도, 코딩 전문가는 AI 가 업데이트된 코드 세트 또는 새로운 규제 요구 사항을 적용하는 방법을 제대로 “배웠는지” 확인해야 합니다. 인간이 거버넌스 루프에서 제외되면, 의료 기관은 수익 누락, 부정적인 감사 결과, 평판 손실 등에 노출됩니다.

의료 분야에서 AI 가 변화를 일으킬 수 있다는 것은 의심의 여지가 없습니다. 그러나 이를 위해서는 의료 기관이 기술 투자와 함께 인간 및 인력 훈련을 투자하여 정확도, 생산성, 비즈니스 가치를 최적화해야 합니다.