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

IA a devenit o componentă standard în gestionarea ciclului de venituri din sănătate (RCM) pe măsură ce liderii financiari din domeniul sănătății caută să ofere o măsură de relief pentru departamentele suprasolicitate și subînzestrate, care se confruntă cu volume fără precedent de cereri de audit de la terți și cu rate crescute de respingere a cererilor.

Conform Raportului de referință 2023, recent lansat, investițiile tot mai mari în date, IA 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, IA oferă un impuls critic de productivitate.

Organizațiile de sănătate raportează acum de patru ori mai multe solicitări de audit decât în anii precedenți – și scrisorile de solicitare a auditului depășesc 100 de pagini. Aici strălucește IA – cea mai mare abilitate a sa este descoperirea outlier-ilor și a acelor în furci, în milioane de puncte de date. IA reprezintă un avantaj competitiv semnificativ pentru funcția RCM, iar liderii financiari din sănătate care consideră IA ca pe o modă vor găsi în curând organizațiile lor lăsate în urmă.

Unde IA poate să nu fie suficientă

IA cu adevărat autonomă în sănătate este un vis. Deși este adevărat că IA a permis automatizarea multor sarcini RCM, promisiunea sistemelor complet autonome rămâne neîndeplinită. Acest lucru se datorează în parte tendinței furnizorilor de software de a se concentra pe tehnologie fără a lua timpul necesar pentru a înțelege pe deplin fluxurile de lucru țintă și, mai important, punctele de contact umane din cadrul acestora – o practică care conduce la o integrare ineficientă a IA și la adoptarea de către utilizatorul final.

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

Impactul financiar este cel mai evident pentru organizațiile de sănătate. Uneltele IA slab antrenate, utilizate pentru a efectua audituri prospective ale cererilor, pot să nu detecteze cazurile de subcodificare, ceea ce înseamnă oportunități de venituri pierdute. Un client MDaudit a descoperit că o regulă incorectă în sistemul său de codificare autonom a codificat în mod incorect 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 implicat un om în buclă care a descoperit defectul.

La fel, IA poate să nu fie suficientă și în ceea ce privește rezultatele de supracodificare cu rezultate pozitive false – 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.

IA proastă concepută poate avea, de asemenea, un impact asupra furnizorilor individuali. Luați în considerare implicațiile dacă un instrument IA nu este corect antrenat pe conceptul de „furnizor cu risc” în sensul ciclului de venituri. Medicii ar putea fi supuși unui control suplimentar și unui antrenament inutil dacă sunt incluși în perchezitii pentru furnizorii cu risc cu rate ridicate de respingere. Acest lucru irosește timpul care ar trebui să fie petrecut cu pacienții, încetinește fluxul de numerar prin întârzierea cererilor pentru revizuiri prospective și ar putea dăuna reputației lor prin aplicarea unei etichete „problematic”.

Păstrarea oamenilor în buclă

Prevenirea acestor tipuri de rezultate negative necesită oameni în buclă. Există trei domenii ale IA, 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 IA să atingă eficiența maximă. Pentru ca acest lucru să se întâmple, dezvoltatorii trebuie să ia timpul necesar pentru a înțelege pe deplin fluxurile de lucru și datele necesare pentru a-și îndeplini sarcinile.

Deteccția eficientă a anomaliilor necesită nu numai date de facturare, respingere și alte cereri, 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 IA folosind unelte strălucitoare, va rezulta în halucinații și rezultate pozitive false din partea modelelor IA, care vor provoca zgomot și vor împiedica adoptarea.

2. Antrenament continuu.

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

IA ar trebui să poată fi antrenată în timp real, permițând utilizatorilor finali să ofere imediat feedback și input asupra rezultatelor 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 justificat, pentru a preveni amplificarea lor la scară. De exemplu, atribuirea pierderii financiare sau a riscului de conformitate unor entități sau indivizi specifice fără a explica corespunzător de ce este adecvat să se facă acest lucru.

3. Guvernanță corespunzătoare.

Oamenii trebuie să valideze ieșirile IA pentru a se asigura că acestea sunt sigure. Chiar și cu codificarea autonomă, un profesionist în codificare trebuie să se asigure că IA a „învățat” în mod corespunzător să aplice seturile 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 ale auditului, pierderi de reputație și multe altele.

Nu există nicio îndoială că IA poate transforma sănătatea, în special RCM. Cu toate acestea, pentru a face acest lucru, organizațiile de sănătate trebuie să-și completeze investițiile în tehnologie cu antrenamentul forței de muncă pentru a optimiza acuratețea, productivitatea și valoarea afacerii.