Dr. Rihan Javid, CEO i współzałożyciel Rinova – seria wywiadów

Dr. Rihan Javid, CEO i współzałożyciel Rinova AI, jest lekarzem i przedsiębiorcą, który skupia się na modernizacji operacji opieki zdrowotnej za pomocą sztucznej inteligencji. Oprócz kierowania Rinova, jest współzałożycielem i prezesem Edge, która dostarcza rozwiązania infrastruktury miejsca pracy na odległość dla ubezpieczeń, praktyk medycznych i stomatologicznych. Jako praktykujący psychiatra, obecnie pełni funkcję dyrektora medycznego i głównego oficera medycznego w CommonSpirit Health i St. Joseph’s Behavioral Health Center, a także pełni rolę kliniczną w Touro University Medical Group. Jego poprzednie doświadczenie obejmuje praktykę psychiatrii w The Permanente Medical Group, Inc. i ukończenie szkolenia rezydenckiego w California Pacific Medical Center i University of South Florida, a także wcześniejsze doświadczenie jako główny specjalista ds. rekrutacji prawniczej.

Rinova AI jest firmą technologiczną w sektorze opieki zdrowotnej, która koncentruje się na zarządzaniu cyklem przychodów i automatyzacji medycznej za pomocą sztucznej inteligencji. Platforma ta została zaprojektowana w celu zmniejszenia obciążeń administracyjnych dla dostawców poprzez automatyzację kluczowych procesów, takich jak weryfikacja ubezpieczenia, optymalizacja kodowania, składanie wniosków i zarządzanie odmowami. Wykorzystując sztuczną inteligencję do usprawnienia przepływów pracy i poprawy dokładności, Rinova AI ma na celu dostarczenie znacznych oszczędności w porównaniu z tradycyjnymi usługami rozliczeniowymi, przy jednoczesnym przyspieszaniu zwrotów i poprawie wyników finansowych placówek opieki zdrowotnej.

Współzałożyłeś Edge w 2021 roku, po latach pracy jako psychiatra i później jako dyrektor medyczny i główny oficer medyczny. Z perspektywy sztucznej inteligencji, jakie wczesne sygnały zauważyłeś w procesach rozliczeniowych, takich jak fragmentaryzacja danych, zmieniające się reguły płatników czy ręczne obsługiwanie wyjątków, które przekonały cię, że automatyzacja stanie się nieunikniona?

Gdy praktykowałem i później kierowałem operacjami klinicznymi, zauważyłem, jak wiele tarcia istnieje w procesach rozliczeniowych. Dane znajdowały się w wielu systemach, które nie komunikowały się dobrze. Wymagania płatników zmieniały się ciągle. Pracownicy spędzali godziny na ponownym przetwarzaniu wniosków z powodów, które często były przewidywalne wstecz.

To, co zwróciło moją uwagę, to powtarzalność. Te same błędy, te same wzorce odrzuceń, te same luki w dokumentacji. Nie były to rzadkie, złożone problemy. Były to powtarzające się awarie operacyjne. Na pewnym poziomie skali zauważa się, że żądanie od ludzi, aby ręcznie zarządzali tą złożonością, nie jest utrzymane. To jest moment, w którym staje się jasne, że automatyzacja nie jest opcjonalna. Jest nieunikniona.

Gdy uruchomiłeś Rinova AI kilka lat później, co się zmieniło w technologii lub danych, co umożliwiło zastosowanie sztucznej inteligencji w zarządzaniu cyklem przychodów w sposób, który mógł działać niezawodnie wobec żywych reguł płatników i rzeczywistej złożoności wniosków?

Dwie rzeczy się zmieniły. Po pierwsze, środowisko danych uległo poprawie. Integracje między systemami EHR, firmami clearingowymi i platformami rozliczeniowymi stały się bardziej uporządkowane. To dało nam czystsze dane wejściowe i silniejsze pętle sprzężenia zwrotnego.

Po drugie, technologia dojrzała. Przeszliśmy poza proste silniki reguł. Modele stały się w stanie oceniać kontekst, a nie tylko sprawdzać pola. To pozwoliło nam przeanalizować dokumentację, kodowanie i logikę płatników razem, a nie oddzielnie.

Nie było tak, że procesy rozliczeniowe nagle stały się proste. Było tak, że ekosystem stał się wystarczająco stabilny, aby sztuczna inteligencja mogła działać z niezawodnością.

Zarządzanie cyklem przychodów tradycyjnie opierało się na statycznych regułach i odzyskiwaniu po odrzuceniu. Jak wprowadzenie sztucznej inteligencji na wcześniejszym etapie przepływu pracy zmienia sposób, w jaki szpitale myślą o ryzyku finansowym i przewidywalności rozliczeń?

Tradycyjnie, zespoły zarządzania cyklem przychodów akceptują pewien poziom odrzuceń jako część prowadzenia działalności. Praca zaczyna się dopiero po tym, jak coś pójdzie nie tak.

Gdy sztuczna inteligencja zostaje wprowadzona wcześniej w przepływie pracy, cel zmienia się z odzyskiwania na prewencję. Można zidentyfikować luki w dokumentacji lub niezgodności w kodowaniu przed złożeniem wniosku. To redukuje zmienność w rozliczeniach.

Szpitale zaczynają myśleć mniej o pościgu za przychodem, a więcej o kontroli ryzyka, zanim się ono zmaterializuje. To zmienia prognozowanie, modele zatrudnienia i nawet dyskusje na poziomie zarządu na temat stabilności finansowej.

Systemy sztucznej inteligencji często radzą sobie dobrze w standardowych przypadkach, ale mają trudności na granicach. W operacjach rozliczeniowych, które scenariusze są obecnie najbardziej skutecznie obsługiwane przez automatyzację, a gdzie osąd ludzki wciąż odgrywa krytyczną rolę?

Automatyzacja działa najlepiej w strukturalnych, wysokowolumenowych zadaniach. Kontrole uprawnień, walidacja autoryzacji, optymalizacja kodowania i wykrywanie wzorców odrzuceń to obszary, w których maszyny mogą przetwarzać szybciej i bardziej konsekwentnie niż ludzie.

Osąd ludzki wciąż ma znaczenie w przypadkach granicznych. Odwołania, które wymagają klinicznej subtelności, spory kontraktowe, niezwykłe zachowania płatników lub złożone scenariusze pacjentów, wszystkie te przypadki korzystają z doświadczenia i rozumowania. Sztuczna inteligencja może sygnalizować ryzyko. Ludzie wciąż interpretują szare obszary i podejmują ostateczne decyzje.

Edge wbudowuje zespoły zarządzania cyklem przychodów przeszkolone w opiece zdrowotnej w przepływie pracy szpitali, podczas gdy Rinova automatyzuje podejmowanie decyzji na wcześniejszym etapie. Jak podejść do projektowania systemów sztucznej inteligencji, które wzmacniają podejmowanie decyzji przez ludzi, zamiast wprowadzania nowych ryzyk operacyjnych?

Podejmiemy sztuczną inteligencję jako warstwę wsparcia, a nie jako zastępstwo. System prezentuje rekomendacje i wyjaśnia swoją logikę. Nasze zespoły przeszkolone w opiece zdrowotnej pozostają wbudowane w przepływ pracy.

Struktura ta ma znaczenie. Sztuczna inteligencja obsługuje skalę i rozpoznawanie wzorców. Ludzie obsługują nadzór i odpowiedzialność. Gdy role te są wyraźne, redukuje się ryzyko, zamiast zwiększać je.

Celem jest zmniejszenie obciążenia poznawczego, a nie usunięcie osądu ludzkiego.

Poliityka płatników często się zmienia i nie zawsze jest egzekwowana w sposób spójny. Jak inteligencja płatników w czasie rzeczywistym zmienia pętlę sprzężenia zwrotnego między składaniem wniosków, odrzuceniami i ciągłym udoskonaleniem modelu?

Poliityka płatników często się zmienia, a egzekwowanie nie zawsze jest spójne. Historycznie, organizacje aktualizowały reguły okresowo i liczyły na to, że są na bieżąco.

Ze sprzężeniem zwrotnym w czasie rzeczywistym, każde odrzucenie i zatwierdzenie staje się punktem danych. Model uczy się z rzeczywistych wyników, a nie z statycznych założeń. To skraca lukę między zmianą polityki a dostosowaniem operacyjnym.

Wraz z czasem, to redukuje niespodziewane odrzucenia i poprawia dokładność składania wniosków. To sprawia, że system staje się bardziej adaptacyjny.

Szpitale są słusznie ostrożne, gdy chodzi o systemy sztucznej inteligencji wpływające na przepływ pieniędzy. Jaki poziom przejrzystości lub kontroli powinni oczekiwać liderzy opieki zdrowotnej, zanim zaufają decyzjom rozliczeniowym opartym na sztucznej inteligencji?

Liderzy powinni oczekiwać przejrzystości. Powinni zrozumieć, dlaczego zalecenie zostało podane. Powinni mieć możliwość jego anulowania. I powinni mieć wyraźny ślad audytowy.

Zarządzanie cyklem przychodów ma bezpośredni wpływ na przepływ pieniędzy i zgodność. Zaufanie pochodzi z widoczności i kontroli, a nie z bezwzględnej automatyzacji. Każdy system sztucznej inteligencji działający w tym obszarze musi spełniać ten standard.

Braki kadrowe w zespołach zarządzania cyklem przychodów są często traktowane jako problemy związane z pracą. Z Twojej perspektywy, ile problemu jest naprawdę zakorzenione w jakości danych i projekcie przepływu pracy, i gdzie sztuczna inteligencja może mieć największy wpływ?

Wyzwania kadrowe są realne, ale wiele z nich jest spotęgowanych przez słaby projekt przepływu pracy. Gdy zespoły spędzają większość czasu na poprawianiu błędów, które można było uniknąć, wzrasta wypalenie i spada produktywność.

Jeśli uporządkujesz dane wejściowe i zmniejszysz unikanie odrzuceń, ten sam zespół może działać bardziej efektywnie. Sztuczna inteligencja ma największy wpływ tam, gdzie usuwa powtarzalne prace i standaryzuje procesy.

Często problemem nie jest sama liczba pracowników. Jest to tarcie.

Jak sztuczna inteligencja staje się częścią operacji zarządzania cyklem przychodów, jak widzisz ewolucję roli zespołów zarządzania cyklem przychodów w ciągu najbliższych kilku lat w zakresie nadzoru, obsługi wyjątków i zarządzania?

Oczekuję, że zespoły zarządzania cyklem przychodów staną się bardziej strategiczne. Mniej czasu na powtarzalne przetwarzanie. Więcej czasu na nadzór, złożone odwołania, negocjacje z płatnikami i analizę wyników.

Gdy automatyzacja zajmuje się rutynową pracą, zespoły ludzkie przechodzą w stronę zarządzania i optymalizacji. To podnosi funkcję, zamiast ją zmniejszać.

Spójrzając w przyszłość, czy oczekujesz, że platformy zarządzania cyklem przychodów oparte na sztucznej inteligencji staną się podstawową infrastrukturą finansową dla szpitali, a nie opcjonalnymi narzędziami, i co ten przełom umożliwi organizacjom działającym pod ciągłym naciskiem marży?

Tak. Nacisk na marżę nie zniknie. Przewidywalność w rozliczeniach stanie się niezbędna.

Platformy oparte na sztucznej inteligencji, które poprawiają dokładność i redukują straty, staną się z czasem z opcjonalnych narzędzi podstawową infrastrukturą. Gdy przepływ pieniędzy staje się bardziej stabilny, szpitale mogą planować z większą pewnością i inwestować bardziej celowo w opiekę nad pacjentami.

To jest ostatecznie efekt, o którym nam chodzi.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Rinova AI lub Edge.