Dr. Rihan Javid, CEO en mede-oprichter van Rinova – Interviewreeks

Dr. Rihan Javid, CEO en mede-oprichter van Rinova AI, is een arts-manager en ondernemer die zich richt op het moderniseren van de gezondheidszorgoperaties met behulp van kunstmatige intelligentie. Naast het leiden van Rinova, is hij mede-oprichter en president van Edge, dat remote workplace-infrastructuuropplossingen levert aan verzekering-, medische en tandartspraktijken. Als praktiserend psychiater is hij momenteel medisch directeur en chief medical officer bij CommonSpirit Health en St. Joseph’s Behavioral Health Center, en heeft hij ook een klinische rol bij Touro University Medical Group. Zijn eerdere ervaring omvat het beoefenen van psychiatrie bij The Permanente Medical Group, Inc. en het voltooien van een opleiding tot specialist in de psychiatrie bij California Pacific Medical Center en de Universiteit van South Florida, naast eerdere leiderschapservaring als principal in juridische werving.

Rinova AI is een gezondheidstechnologiebedrijf dat zich richt op AI-gedreven omzetcyclusbeheer en medische facturatieautomatisering. Het platform is ontworpen om de administratieve lasten voor zorgverleners te verminderen door belangrijke processen zoals verzekeringverificatie, coderingsoptimalisatie, claimsindiening en afwijzingsbeheer te automatiseren. Door kunstmatige intelligentie te gebruiken om workflows te stroomlijnen en de nauwkeurigheid te verbeteren, streeft Rinova ernaar om aanzienlijke kostenbesparingen te realiseren in vergelijking met traditionele factureringsservices, terwijl het tegelijkertijd de uitbetalingen versnelt en de financiële prestaties van gezondheidsorganisaties verbetert.

U bent mede-oprichter van Edge in 2021, na jarenlang te hebben gewerkt als psychiater en later als medisch directeur en CMO. Vanuit een AI-perspectief, welke vroege signalen zag u in facturatieprocessen zoals gefragmenteerde gegevens, veranderende verzekeraarsregels of handmatige uitzonderingsbehandeling die u ervan overtuigden dat automatisering uiteindelijk onvermijdelijk zou worden?

Toen ik als arts werkte en later de klinische operaties leidde, zag ik hoeveel wrijving er bestond in de facturatie. Gegevens werden opgeslagen in meerdere systemen die niet goed met elkaar communiceerden. Verzekeraarsvereisten veranderden constant. Medewerkers besteedden uren aan het opnieuw verwerken van claims om redenen die vaak voorspelbaar waren in hindsight.

Wat voor mij opviel, was de herhaling. Dezelfde fouten, dezelfde afwijzingspatronen, dezelfde documentatiegaten. Dit waren geen zeldzame, nuanceuze kwesties. Het waren terugkerende operationele storingen. Op een bepaalde schaal realiseer je je dat het vragen van mensen om handmatig die complexiteit te beheren, niet duurzaam is. Dat is wanneer het duidelijk wordt dat automatisering niet optioneel is. Het is onvermijdelijk.

Toen u Rinova AI enkele jaren later lanceerde, wat was er veranderd aan de technologie- of gegevenskant dat het mogelijk maakte om AI toe te passen op omzetcyclusbeheer op een manier die betrouwbaar kon opereren tegen live verzekeraarsregels en echte claimcomplexiteit?

Twee dingen veranderden. Ten eerste verbeterde de gegevensomgeving. Integraties tussen EHR’s, clearing houses en facturatieplatforms werden meer gestructureerd. Dat gaf ons schone invoer en sterke feedbackloops.

Ten tweede matureerde de technologie. We gingen verder dan eenvoudige regelengines. Modellen werden in staat gesteld om context te evalueren, niet alleen vakjes aan te vinken. Dat stelde ons in staat om documentatie, codering en verzekeraarslogica samen te analyseren in plaats van afzonderlijk.

Het was niet dat facturatie plotseling eenvoudig werd. Het was dat het ecosysteem stabiel genoeg werd voor AI om betrouwbaar te opereren.

Omzetcyclusbeheer is traditioneel afhankelijk van statische regels en post-afwijzingsherstel. Hoe verandert het introduceren van AI eerder in de workflow de manier waarop ziekenhuizen denken over financieel risico en terugbetalingsvoorspelbaarheid?

Traditioneel accepteren omzetcyclus teams een bepaald niveau van afwijzing als onderdeel van het bedrijf. Het werk begint pas na something is misgegaan.

Wanneer AI wordt geïntroduceerd upstream, verschuift het doel van herstel naar preventie. U kunt documentatiegaten of coderingsmisalignement identificeren voordat u iets indient. Dat vermindert de variabiliteit in terugbetaling.

Ziekenhuizen beginnen minder na te denken over het najagen van inkomsten en meer over het beheersen van risico voordat het zich materialiseert. Dat verandert de forecasting, personeelsmodellen en zelfs de gesprekken van het bestuur over financiële stabiliteit.

AI-systemen presteren vaak goed op standaardcases, maar worstelen met randgevallen. In facturatieoperaties van vandaag, welke scenario’s worden het meest effectief afgehandeld door automatisering, en waar speelt menselijke oordeelsvorming nog een kritieke rol?

Automatisering werkt het beste in gestructureerde, hoogvolume taken. Verzekeringverificatie, autorisatievalidatie, coderingsconsistentie en afwijzingspatroondetectie zijn allemaal gebieden waar machines sneller en consistenter kunnen verwerken dan mensen.

Menselijke oordeelsvorming is nog steeds belangrijk in randgevallen. Beroepen die klinische nuances vereisen, contractuele geschillen, ongebruikelijk verzekeraarsgedrag of complexe patiëntscenario’s profiteren allemaal van ervaring en redenering. AI kan risico’s signaleren. Mensen interpreteren nog steeds grijze gebieden en nemen de laatste beslissingen.

Edge embedt gezondheidstrained omzetcyclus teams in ziekenhuisworkflows, terwijl Rinova automatisering introduceert in de besluitvorming upstream. Hoe benaderen jullie het ontwerpen van AI-systemen die menselijke besluitvorming versterken in plaats van nieuwe operationele risico’s in te voeren?

We benaderen AI als een ondersteuningslaag, niet als een vervanging. Het systeem presenteert aanbevelingen en legt zijn logica uit. Onze gezondheidstrained teams blijven geïntegreerd in de workflow.

Die structuur is belangrijk. AI afhandelt schaal en patroonherkenning. Mensen afhandelen toezicht en aansprakelijkheid. Wanneer die rollen duidelijk zijn, vermindert u het risico in plaats van het te vergroten.

Het doel is om cognitieve overbelasting te verminderen, niet om menselijke oordeelsvorming te verwijderen.

Verzekeraarsbeleid verandert frequent en wordt niet altijd consistent afgedwongen. Hoe verandert real-time verzekeraarsinformatie de feedbacklus tussen claimsindiening, afwijzingen en continue modelverbetering?

Verzekeraarsbeleid verandert frequent en de handhaving is niet altijd consistent. Historisch gezien hebben organisaties regels periodiek bijgewerkt en gehoopt dat ze up-to-date waren.

Met real-time feedback wordt elke afwijzing en goedkeuring een gegevenspunt. Het model leert van de daadwerkelijke resultaten in plaats van statische aannamen. Dat verkort de kloof tussen beleidsverandering en operationele aanpassing.

Na verloop van tijd vermindert dit onverwachte afwijzingen en verbetert de indieningsnauwkeurigheid. Het maakt het systeem adaptiever.

Ziekenhuizen zijn terecht voorzichtig over AI-systemen die de kasstroom beïnvloeden. Wat voor soort transparantie of controle denken jullie dat gezondheidsleiders moeten verwachten voordat ze AI-gedreven facturatiebeslissingen vertrouwen?

Leiders moeten duidelijkheid verwachten. Ze moeten begrijpen waarom een aanbeveling is gedaan. Ze moeten het kunnen overschrijven. En ze moeten een duidelijke audittrail hebben.

Omzetcyclus heeft rechtstreeks invloed op kasstroom en compliance. Vertrouwen komt van zichtbaarheid en controle, niet van blind automatisering. Elk AI-systeem dat in deze ruimte opereert, moet aan die standaard voldoen.

Werknemersgebrek in omzetcyclus teams wordt vaak behandeld als een arbeidskwestie. Hoeveel van het probleem is eigenlijk geworteld in gegevenskwaliteit en workflowontwerp, en waar kan AI de grootste impact hebben?

Werknemersuitdagingen zijn echt, maar veel ervan worden verergerd door slecht workflowontwerp. Wanneer teams de meeste tijd besteden aan het corrigeren van voorkombare fouten, neemt de burn-out toe en daalt de productiviteit.

Als u de invoer van gegevens schoonmaakt en voorkombare afwijzingen vermindert, kan hetzelfde team effectiever opereren. AI heeft de grootste impact waar het repetitieve rework verwijdert en processen standaardiseert.

Vaak is het probleem niet alleen het aantal werknemers. Het is wrijving.

Naarmate AI wordt geïntegreerd in omzetcyclusoperaties, hoe zien jullie de rol van omzetcyclus teams evolueren in de komende jaren in termen van toezicht, uitzonderingsbehandeling en governance?

Ik verwacht dat omzetcyclus teams meer strategisch worden. Minder tijd aan repetitieve verwerking. Meer tijd aan toezicht, complexe beroepen, verzekeraarsonderhandelingen en prestatieanalyse.

Terwijl automatisering routineuze werk afhandelt, verschuiven menselijke teams naar governance en optimalisatie. Dat verheft de functie in plaats van het te verkleinen.

Kijkend naar de toekomst, verwacht u dat AI-gedreven omzetcyclusplatforms core-financiële infrastructuur voor ziekenhuizen worden in plaats van optionele tools, en wat zou die verschuiving mogelijk maken voor organisaties die onder constante marge-druk opereren?

Ja. Marge-druk gaat niet weg. Voorspelbaarheid in terugbetaling wordt essentieel.

AI-gedreven platforms die de nauwkeurigheid verbeteren en lekken verminderen, zullen verschuiven van optionele tools naar fundamentelere infrastructuur. Wanneer de kasstroom meer stabiel wordt, kunnen ziekenhuizen met meer vertrouwen plannen en meer intentioneel investeren in patiëntenzorg.

Dat is uiteindelijk het resultaat waar we om geven.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Rinova AI of Edge bezoeken.