Интервью
Доктор Рихан Джавид, генеральный директор и сооснователь Rinova – Интервью
Доктор Рихан Джавид, генеральный директор и сооснователь Rinova AI, является врачом-менеджером и предпринимателем, ориентированным на модернизацию операций здравоохранения с помощью искусственного интеллекта. Помимо руководства Rinova, он является сооснователем и президентом Edge, которая предоставляет решения для удаленной рабочей инфраструктуры для страховых, медицинских и стоматологических практик. Как практикующий психиатр, он в настоящее время служит медицинским директором и главным медицинским офицером в CommonSpirit Health и St. Joseph’s Behavioral Health Center, а также занимает клиническую должность в Touro University Medical Group. Его предыдущий опыт включает практику психиатрии в The Permanente Medical Group, Inc. и завершение резидентуры в California Pacific Medical Center и University of South Florida, а также ранее руководящий опыт в качестве принципала в юридическом наборе.
Rinova AI – это компания по технологиям здравоохранения, ориентированная на управление доходами и автоматизацию медицинской выставки счетов с помощью искусственного интеллекта. Платформа разработана для снижения административных нагрузок на поставщиков путем автоматизации ключевых процессов, таких как проверка страхования, оптимизация кодирования, подача заявок и управление отказами. Используя искусственный интеллект для оптимизации рабочих процессов и повышения точности, Rinova стремится обеспечить значительную экономию средств по сравнению с традиционными услугами выставления счетов, а также ускорить возмещения и повысить финансовые результаты для организаций здравоохранения.
Вы стали сооснователем Edge в 2021 году после многих лет работы психиатром и позже медицинским директором и главным медицинским офицером. С точки зрения искусственного интеллекта, какие ранние сигналы вы заметили в рабочих процессах выставления счетов, таких как фрагментированные данные, меняющиеся правила страховщиков или ручное xử lý исключений, которые убедили вас, что автоматизация в конечном итоге станет неизбежной?
Когда я практиковал и позже руководил клиническими операциями, я увидел, сколько трения существует в выставлении счетов. Данные жили в нескольких системах, которые не общались хорошо. Требования страховщиков менялись постоянно. Сотрудники тратили часы на повторную работу над заявками по причинам, которые часто были предсказуемыми вindsight.
Что меня поразило, так это повторение. Одни и те же ошибки, одни и те же закономерности отказов, одни и те же пробелы в документации. Это были не редкие, тонкие проблемы. Это были повторяющиеся операционные сбои. На определённом уровне масштаба вы понимаете, что просить людей вручную управлять этой сложностью не является устойчивым. Это когда становится ясно, что автоматизация не является опциональной. Она неизбежна.
Когда вы запустили Rinova AI несколько лет спустя, что изменилось на стороне технологий или данных, что сделало возможным применение искусственного интеллекта к управлению доходами таким образом, чтобы он мог работать надежно против живых правил страховщиков и реальной сложности заявок?
Два вещи изменились. Во-первых, среда данных улучшилась. Интеграции между электронными медицинскими картами, центрами очистки и платформами выставления счетов стали более структурированными. Это дало нам более чистые входные данные и более сильные обратные связи.
Во-вторых, технология созрела. Мы перешли за пределы простых движков правил. Модели стали способны оценивать контекст, а не просто проверять коробки. Это позволило нам проанализировать документацию, кодирование и логику страховщиков вместе, а не в изоляции.
Это не означало, что выставление счетов вдруг стало простым. Это означало, что экосистема стала достаточно стабильной для того, чтобы искусственный интеллект мог работать с надежностью.
Управление доходами традиционно полагалось на статические правила и восстановление после отказа. Как введение искусственного интеллекта на ранней стадии рабочего процесса меняет то, как больницы думают о финансовом риске и предсказуемости возмещения?
Традиционно команды управления доходами принимают определённый уровень отказа как часть работы. Работа начинается после того, как что-то идет не так.
Когда искусственный интеллект вводится на ранней стадии, цель смещается от восстановления к предотвращению. Вы можете выявить пробелы в документации или несоответствия в кодировании до подачи заявки. Это снижает вариативность возмещения.
Больницы начинают думать меньше о преследовании дохода и больше о контроле риска до его материализации. Это меняет прогнозирование, модели штатного расписания и даже обсуждения на уровне совета директоров о финансовой стабильности.
Системы искусственного интеллекта часто хорошо работают на стандартных случаях, но испытывают трудности на краях. В операциях по выставлению счетов сегодня какие сценарии наиболее эффективно обрабатываются автоматизацией, а где человеческий суд仍 играет критическую роль?
Автоматизация работает лучше всего в структурированных, высокообъемных задачах. Проверки эligibility, валидация авторизации, последовательность кодирования и обнаружение закономерностей отказов – все это области, где машины могут обрабатывать быстрее и более последовательно, чем люди.
Человеческий суд все еще имеет значение в пограничных случаях. Апелляции, требующие клинической тонкости, споры по контракту, необычное поведение страховщиков или сложные сценарии пациентов – все это выигрывает от опыта и рассуждений. Искусственный интеллект может выделить риск. Люди все еще интерпретируют серые зоны и принимают окончательные решения.
Edge внедряет команды управления доходами, обученные в здравоохранении, в рабочие процессы больниц, в то время как Rinova автоматизирует принятие решений на ранней стадии. Как вы подходите к проектированию систем искусственного интеллекта, которые усиливают человеческое принятие решений, а не вводят новые операционные риски?
Мы подходим к искусственному интеллекту как к поддерживающему слою, а не к замене. Система выделяет рекомендации и объясняет свою логику. Наши команды, обученные в здравоохранении, остаются внедренными в рабочий процесс.
Эта структура имеет значение. Искусственный интеллект обрабатывает масштаб и распознавание закономерностей. Люди обрабатывают надзор и подотчетность. Когда эти роли ясны, вы снижаете риск вместо того, чтобы увеличивать его.
Цель – снизить когнитивную перегрузку, а не удалить человеческий суд.
Политики страховщиков часто меняются и не всегда применяются последовательно. Как реальное интеллект страховщиков в реальном времени меняет обратную связь между подачей заявок, отказами и непрерывным улучшением модели?
Политики страховщиков часто меняются, и их применение не всегда последовательно. Исторически организации обновляли правила периодически и надеялись, что они актуальны.
С реальной обратной связью каждый отказ и одобрение становится точкой данных. Модель учится на фактических результатах, а не на статических предположениях. Это сокращает разрыв между изменением политики и операционной корректировкой.
Со временем это снижает неожиданные отказы и улучшает точность подачи заявок. Это делает систему более адаптивной.
Больницы понятно осторожны в отношении систем искусственного интеллекта, влияющих на поток денежных средств. Какой уровень прозрачности или контроля, по вашему мнению, лидеры здравоохранения должны ожидать перед тем, как доверять решениям по выставлению счетов, основанным на искусственном интеллекте?
Лидеры должны ожидать ясности. Они должны понимать, почему была сделана рекомендация. Они должны иметь возможность отменить ее. И они должны иметь четкий аудиторский след.
Управление доходами напрямую влияет на поток денежных средств и соблюдение нормативных требований. Доверие приходит от видимости и контроля, а не от слепой автоматизации. Любая система искусственного интеллекта, работающая в этом пространстве, должна соответствовать этому стандарту.
Нехватка персонала в командах управления доходами часто рассматривается как проблема труда. Насколько, по вашему мнению, проблема коренится в качестве данных и дизайне рабочего процесса, и где искусственный интеллект может иметь наибольшее влияние?
Проблемы с персоналом являются реальными, но многие из них усиливаются плохим дизайном рабочего процесса. Когда команды тратят большую часть своего времени на исправление предотвратимых ошибок, выгорание увеличивается, а производительность снижается.
Если вы очистите входные данные и снизите избегаемые отказы, одна и та же команда может работать более эффективно. Искусственный интеллект имеет наибольшее влияние, где он удаляет повторяющуюся повторную работу и стандартизирует процессы.
Часто проблема не только в количестве сотрудников. Это трение.
По мере того, как искусственный интеллект становится встроенным в операции по управлению доходами, как вы видите эволюцию роли команд управления доходами в течение следующих нескольких лет в плане надзора, обработки исключений и управления?
Я ожидаю, что команды управления доходами станут более стратегическими. Менее времени на повторную обработку. Больше времени на надзор, сложные апелляции, переговоры со страховщиками и анализ производительности.
По мере того, как автоматизация обрабатывает рутинную работу, человеческие команды смещаются в сторону управления и оптимизации. Это повышает функцию, а не снижает ее.
Глядя вперед, ожидаете ли вы, что платформы управления доходами на основе искусственного интеллекта станут основной финансовой инфраструктурой для больниц, а не опциональными инструментами, и что это сдвиг позволит организациям, работающим под постоянным давлением маржи?
Да. Давление маржи не исчезнет. Предсказуемость возмещения станет необходимой.
Платформы на основе искусственного интеллекта, которые улучшают точность и снижают утечку, перейдут от опциональных инструментов к основной инфраструктуре. Когда поток денежных средств становится более стабильным, больницы могут планировать с большей уверенностью и инвестировать более намеренно в уход за пациентами.
Это в конечном итоге тот результат, который нас волнует.
Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Rinova AI или Edge.
