의료 비용 청구 관리에 AI를 통합하기: 인간의 개입이 반드시 필요합니다

AI는 의료 비용 청구 관리(RCM)에서 필수적인 요소가 되었습니다. 재무 지도자들은 과중한 업무와 인력 부족으로 인해 제3자 감사 요구와 거부율이 증가하는 상황에서 부서에 일정한 안도감을 제공하려고 합니다.

최근에 발표된 2023 벤치마크 보고서에 따르면, 데이터, AI, 기술 플랫폼에 대한 투자 증가로 인해 규정 준수 및 수익誠실성 부서는 팀 규모를 33% 줄이면서 2022년보다 10% 더 많은 감사 활동을 수행할 수 있었습니다. RCM 인력 부족이 높은 상황에서 AI는 중요한 생산성 향상을 제공합니다.

의료 기관은現在 이전 년도보다 4배 더 많은 감사 요청을 보고하고 있으며 감사 요구서도 100페이지 이상으로 늘어났습니다. 이것이 AI가 빛나는 곳입니다. AI의 가장 큰 능력은 수백만 개의 데이터 포인트에서 이상값과 바늘을 찾는 것입니다. AI는 RCM 기능에 대한 중요한 경쟁 우위를 제공하며, AI를 허위로 간주하는 의료 재무 지도자들은 곧 자신의 기관이 뒤쳐질 것을 발견할 것입니다.

AI의 약점

의료 분야에서真正한 자율 AI는 Pipe Dream입니다. AI가 많은 RCM 작업을 자동화하는 것을 가능하게 했다는 것은 사실이지만, 완전히 자율적인 시스템의 약속은 아직 실현되지 않았습니다. 이것은 부분적으로 소프트웨어 벤더들이 기술에 집중하면서 대상 워크플로우와 중요하게는 워크플로우 내의 인간의 터치 포인트를 충분히 이해하는 시간을 가지지 못한 결과입니다. 이러한 관행은 효과적인 AI 통합과 최종 사용자 채택을 방해합니다.

인간은 항상 루프에 있어야 합니다. AI가 복잡한 RCM 환경에서 적절하게 작동할 수 있도록 합니다. 정확도와 정밀도는 자율 AI에서 가장 어려운 도전입니다. 여기서 인간의 개입이 결과를 향상시킵니다. RCM의 경우 임상 분야만큼 높은 위험이 없지만, 잘못 설계된 AI 솔루션의 결과는 상당히 중요합니다.

금융적 영향은 의료 기관에서 가장 명백한 것입니다. 잘못 훈련된 AI 도구를 사용하여 잠재적인 청구 감사에서 부과되지 않은 경우를 놓칠 수 있습니다. 이는 수익 기회를 놓치는 것을 의미합니다. 한 MDaudit 고객은 잘못된 규칙이 있다고 하는 자율 코딩 시스템이 약물 단위를 잘못 코딩하여 2,500만 달러의 수익을 잃었다는 것을 발견했습니다. 인간의 개입이 없으면 이 오류를 발견하고 수정할 수 없었을 것입니다.

또한 AI는 과코딩 결과로 거짓 양성으로 실패할 수 있습니다. 이는 의료 기관이 정부의 의료 시스템에서 사기, 남용,浪費(FWA)를 방지하는 임무와 일치하는 컴플라이언스를 유지해야 하는 영역입니다.

잘못 설계된 AI는 또한 개별 제공자에게 영향을 미칠 수 있습니다. 수익 주기 의미에서 “위험한 제공자”라는 개념에 대한 훈련을 제대로 받지 못한 AI 도구를 생각해 보십시오. 의사는 거짓 양성으로 인해 추가적인 검토와 훈련을 받을 수 있습니다. 이는 시간을 낭비하고, 청구를 지연시키며, 제공자의 평판을 손상시킬 수 있습니다.

인간의 개입

이러한 부정적인 결과를 방지하려면 인간의 개입이 필요합니다. AI에는 특히 3가지 영역이 있으며, 인간의 개입이 필요합니다.

1. 강력한 데이터基础 구축

강력한 데이터 基础를 구축하는 것은 중요합니다. 데이터 모델, 메타데이터, 데이터 품질, 거버넌스를 포함한 데이터 基础는 AI가 최고의 효율성을 달성하는 데 핵심입니다. 이를 위해서는 개발자가 청구 컴플라이언스, 코딩, 수익 주기 리더와 직원과 함께 작업하여 워크플로우와 데이터를 이해해야 합니다.

유효한 이상값 감지는 청구, 거부, 기타 청구 데이터뿐만 아니라 제공자, 코더, 청구자, 지불자 등 간의 복잡한 상호 작용을 이해해야 합니다. 이를 통해 기술이 실시간으로 위험을 평가하고 사용자에게 필요한 정보를 제공하여 조치를 취할 수 있습니다. 데이터 基础를 건너뛰고 AI 모델을 빠르게 배포하면 AI 모델에서 환상과 거짓 양성이 발생하여 노이즈를 일으키고 채택을 방해할 수 있습니다.

2. 지속적인 훈련

의료 비용 청구 관리는 지속적으로 발전하는 분야로, 전문가들이 최신 규정, 트렌드, 우선순위를 이해하기 위해 지속적인 교육이 필요합니다. AI를 사용한 RCM 도구도 마찬가지입니다. 강화 학습을 통해 AI는 지식을 확장하고 정확도를 향상시킬 수 있습니다. 사용자 입력은 정교화와 업데이트에 중요합니다.

AI는 실시간으로 훈련되어야 하며, 사용자는 정보 검색 및 분석 결과에 대한 피드백을 즉시 제공할 수 있어야 합니다. 또한 사용자는 데이터를 안전하지 않다고 표시할 수 있어야 하며, 이는 데이터가 대규모로 확대되지 않도록 방지합니다. 예를 들어, 특정 엔티티 또는 개인에게 재정적 손실이나 컴플라이언스 위험을 귀속시키는 경우, 왜 그렇게 하는 것이 적절한지에 대한 설명이 필요합니다.

3. 적절한 거버넌스

인간은 AI의 출력을 검증하여 안전한지 확인해야 합니다. 자율 코딩의 경우에도 코딩 전문가는 AI가 최신 코드 세트를 적용하거나 새로운 규정 요구 사항을 처리하는 방법을 제대로 학습했는지 확인해야 합니다. 인간이 거버넌스 루프에서 제외되면, 의료 기관은 수익 누수, 부정적인 감사 결과, 평판 손상 등과 같은 위험에 노출됩니다.

의료 비용 청구 관리에서 AI를 사용하는 것은 의료 기관이 기술 투자와 함께 인간과 워크포스 훈련을 결합하여 정확도, 생산성, 비즈니스 가치를 최적화해야 함을 의미합니다.