Integrarea AI în gestionarea ciclului de venituri în sănătate: De ce oamenii trebuie să rămână în buclă

AI a devenit o componentă esențială în gestionarea ciclului de venituri în sănătate (RCM) pe măsură ce liderii financiari din domeniul sănătății caută să ofere o soluție pentru departamentele suprasolicitate și subordonate care se confruntă cu volume fără precedent de cereri de audit de la terți și rate de respingere în creștere.

Conform Raportului de referință 2023, investițiile în creștere în date, AI și platforme tehnologice au permis departamentelor de conformitate și integritate a veniturilor să reducă dimensiunea echipei cu 33% în timp ce efectuează cu 10% mai multe activități de audit în comparație cu 2022. Într-un moment în care lipsa de personal în RCM este ridicată, AI oferă un impuls critic de productivitate.

Organizațiile de sănătate raportează acum de patru ori mai multe solicitări de audit decât au primit în anii precedenți – și scrisorile de solicitare de audit depășesc 100 de pagini. Aici strălucește AI – capacitatea sa cea mai mare este de a descoperi valorile anormale și acele “ac” într-un morman de date. AI reprezintă un avantaj competitiv semnificativ pentru funcția RCM, iar liderii financiari din sănătate care consideră AI un simplu fenomen vor găsi în curând organizațiile lor lăsate în urmă.

Unde AI poate să nu fie suficient

AI cu adevărat autonom în sănătate este un vis. Deși este adevărat că AI a permis automatizarea multor sarcini RCM, promisiunea unor sisteme complet autonome rămâne neîndeplinită. Acest lucru se datorează în parte tendinței furnizorilor de software de a se concentra asupra tehnologiei fără a lua timpul necesar pentru a înțelege pe deplin fluxurile de lucru țintă și, mai ales, punctele de contact uman din cadrul acestora – o practică care duce la o integrare ineficientă a AI și la o adoptare slabă a utilizatorilor finali.

Oamenii trebuie să fie întotdeauna în buclă pentru a se asigura că AI poate funcționa corespunzător într-un mediu RCM complex. Precizia și acuratețea rămân cele mai dificile provocări pentru AI autonom și este aici unde implicarea oamenilor în buclă va îmbunătăți rezultatele. Deși riscurile nu sunt la fel de mari pentru RCM ca și pentru partea clinică, consecințele unor soluții AI proaste sunt, totuși, semnificative.

Impactul financiar este cel mai evident pentru organizațiile de sănătate. Uneltele AI slab antrenate, utilizate pentru audituri de revendicare prospective, pot să nu detecteze cazurile de subcodificare, ceea ce înseamnă oportunități de venit pierdute. Un client MDaudit a descoperit că o regulă incorectă din sistemul său de codificare autonom a codificat în mod greșit unitățile de medicamente administrate, ceea ce a dus la pierderi de 25 de milioane de dolari. Eroarea nu ar fi fost detectată și corectată dacă nu ar fi fost intervenția umană care a descoperit defectul.

La fel, AI poate să nu fie suficient și în ceea ce privește rezultatele de supracodificare cu rezultate false pozitive – o zonă în care organizațiile de sănătate trebuie să rămână conforme cu misiunea guvernului de a lupta împotriva fraudei, abuzului și risipei (FWA) în sistemul de sănătate.

AI proastă concepută poate avea și un impact asupra furnizorilor individuali. Luați în considerare implicațiile dacă un instrument AI nu este corect antrenat pe conceptul de “furnizor cu risc” în sensul ciclului de venituri. Medicii ar putea fi ținta unor verificări și instruiri suplimentare dacă sunt incluși în verificările furnizorilor cu risc, cu rate de respingere ridicate. Acest lucru irosește timp care ar trebui să fie dedicat pacienților, încetinește fluxul de numerar prin întârzierea revendicărilor pentru verificări prospective și ar putea dăuna reputației lor prin etichetarea lor cu un “problematic”.

Păstrarea oamenilor în buclă

Prevenirea acestor tipuri de rezultate negative necesită implicarea oamenilor în buclă. Există trei domenii ale AI, în special, care vor necesita întotdeauna implicarea umană pentru a obține rezultate optime.

1. Construirea unei baze de date solide.

Construirea unei baze de date robuste este critică, deoarece modelul de date subiacent cu metadate, calitate a datelor și guvernanță corespunzătoare este cheia pentru a permite AI să atingă eficiența maximă. Pentru ca acest lucru să se întâmple, dezvoltatorii trebuie să ia timpul necesar pentru a înțelege fluxurile de lucru și datele necesare pentru a-și îndeplini sarcinile, împreună cu liderii și personalul din domeniul facturării, codificării și ciclului de venituri.

Detectarea eficientă a anomaliilor necesită nu numai date de facturare, respingere și alte revendicări, ci și o înțelegere a interacțiunii complexe dintre furnizori, codificatori, factori, plătitori etc. pentru a se asigura că tehnologia este capabilă să evalueze în mod continuu riscurile în timp real și să furnizeze utilizatorilor informațiile necesare pentru a-și concentra acțiunile și activitățile în moduri care conduc la rezultate măsurabile. Dacă organizațiile sar peste baza de date și accelerează implementarea modelelor AI folosind instrumente strălucite, va rezulta în halucinații și rezultate false pozitive din modelele AI care vor provoca zgomot și vor împiedica adoptarea.

2. Antrenament continuu.

Gestionarea ciclului de venituri în sănătate este o profesie care evoluează în mod constant și necesită o educație continuă pentru a se asigura că profesioniștii săi înțeleg cele mai recente reglementări, tendințe și priorități. La fel, instrumentele RCM bazate pe AI necesită învățare continuă. Învățarea prin întărire permite AI să-și extindă baza de cunoștințe și să-și crească acuratețea. Intrarea utilizatorului este critică pentru rafinarea și actualizarea pentru a se asigura că instrumentele AI îndeplinesc nevoile actuale și viitoare.

AI ar trebui să poată fi antrenat în timp real, permițând utilizatorilor finali să ofere imediat feedback și intrări cu privire la rezultatele căutărilor de informații și/sau analizei pentru a sprijini învățarea continuă. De asemenea, ar trebui să fie posibil pentru utilizatori să marcheze datele ca fiind nesigure atunci când este cazul, pentru a preveni amplificarea lor la scară largă. De exemplu, atribuirea pierderilor financiare sau a riscurilor de conformitate unor entități sau indivizi fără a explica corespunzător de ce este adecvat să o facă.

3. Guvernanță corespunzătoare.

Oamenii trebuie să valideze ieșirile AI pentru a se asigura că este sigur. Chiar și cu codificarea autonomă, un profesionist în codificare trebuie să se asigure că AI a “învățat” corespunzător să aplice seturi de coduri actualizate sau să facă față noilor cerințe reglementare. Atunci când oamenii sunt excluși din bucla de guvernanță, o organizație de sănătate se expune la scurgeri de venituri, rezultate negative de audit, pierderi de reputație și multe altele.

Nu există nicio îndoială că AI poate transforma sănătatea, mai ales RCM. Cu toate acestea, pentru a face acest lucru, organizațiile de sănătate trebuie să-și completeze investițiile tehnologice cu antrenamentul forței de muncă și al oamenilor pentru a optimiza acuratețea, productivitatea și valoarea comercială.