การผสมผสาน AI เข้ากับการจัดการวงจรรายได้ของสาธารณสุข: ทำไมมนุษย์จึงต้องอยู่ในวงจร

AI ได้กลายเป็นส่วนหนึ่งของการจัดการวงจรรายได้ของสาธารณสุข (RCM) เนื่องจากผู้นำด้านการเงินต้องการให้ความช่วยเหลือแก่แผนกที่มีงานหนักและขาดแคลนบุคลากร ซึ่งเผชิญกับการตรวจสอบจากบุคคลที่สามและอัตราการปฏิเสธที่เพิ่มขึ้น

ตามรายงาน 2023 Benchmark Report ที่เพิ่งเผยแพร่ การลงทุนในข้อมูล AI และแพลตฟอร์มเทคโนโลยีได้ช่วยให้ฝ่ายความสอดคล้องและความสมบูรณ์ของรายได้สามารถลดขนาดทีมลง 33% ในขณะที่ดำเนินการตรวจสอบเพิ่มขึ้น 10% เมื่อเทียบกับปี 2022 ในช่วงเวลาที่มีการขาดแคลนบุคลากร RCM สูง AI ให้การเพิ่มผลผลิตที่สำคัญ

องค์กรสาธารณสุขกำลังรายงานการขอตรวจสอบมากกว่า 4 เท่าเมื่อเทียบกับปีก่อนๆ และจดหมายขอตรวจสอบมีมากกว่า 100 หน้า นี่คือจุดที่ AI ส่องแสง – ความสามารถที่ยิ่งใหญ่ที่สุดของ AI คือการค้นหาสิ่งผิดปกติและเข็มในกองฟางทั่วทั้งล้านๆ จุดข้อมูล AI เป็นตัวแทนของความได้เปรียบทางการแข่งขันที่สำคัญต่อฟังก์ชัน RCM และผู้นำด้านการเงินสาธารณสุขที่มอง AI เป็นเรื่องน่าดึงดูดจะพบว่าองค์กรของตนถูกทิ้งไว้ข้างหลัง

ที่ที่ AI อาจล้มเหลว

AI ที่แท้จริงในด้านสาธารณสุขเป็นเพียงความฝัน ในขณะที่เป็นความจริงที่ AI ได้ทำให้การทำงานอัตโนมัติของหลายงาน RCM เป็นไปได้ แต่สัญญาของระบบอัตโนมัติเต็มรูปแบบยังคงไม่ได้รับการเติมเต็ม สิ่งนี้เกิดจากการที่ผู้ขายซอฟต์แวร์มีแนวโน้มที่จะเน้นเทคโนโลยีโดยไม่ได้ใช้เวลาในการทำความเข้าใจกระบวนการทำงานและจุดสัมผัสของมนุษย์ภายใน – การปฏิบัติที่นำไปสู่การผสมผสาน AI ที่ไม่มีประสิทธิภาพและการนำไปใช้งานของผู้ใช้

มนุษย์ต้องอยู่ในวงจรเสมอเพื่อให้ AI สามารถทำงานได้อย่างเหมาะสมในสภาพแวดล้อม RCM ที่ซับซ้อน ความแม่นยำและความแม่นยำยังคงเป็นความท้าทายที่ยากที่สุดสำหรับ AI อัตโนมัติ และสิ่งนี้คือที่ที่การมีส่วนร่วมของมนุษย์ในวงจรจะเพิ่มผลลัพธ์ แม้ว่าความเสี่ยงอาจไม่สูงสำหรับ RCM เช่นเดียวกับด้านคลินิก แต่ผลกระทบของโซลูชัน AI ที่ออกแบบไม่ดีนั้นสำคัญอย่างมาก

ผลกระทบทางการเงินเป็นผลกระทบที่เห็นได้ชัดเจนที่สุดสำหรับองค์กรสาธารณสุข เครื่องมือ AI ที่ได้รับการฝึกอบรมไม่ดีในการตรวจสอบข้อเรียกร้องที่อาจมีการเข้ารหัสที่ไม่ถูกต้อง ซึ่งหมายถึงโอกาสในการสร้างรายได้ที่พลาดไป ลูกค้า MDaudit หนึ่งรายพบว่ากฎที่ไม่ถูกต้องภายในระบบการเข้ารหัสอัตโนมัติของตนเองเข้ารหัสยูนิตของยาที่ให้ไม่ถูกต้อง ซึ่งนำไปสู่การสูญเสียรายได้ 25 ล้านดอลลาร์ ข้อผิดพลาดนี้จะไม่ถูกจับและแก้ไขหากไม่มีมนุษย์ในวงจรที่พบข้อบกพร่อง

ในทำนองเดียวกัน AI ยังสามารถล้มเหลวในการเข้ารหัสที่สูงเกินไปด้วยผลลัพธ์เป็นผลบวกที่ไม่ถูกต้อง – พื้นที่ที่องค์กรสาธารณสุขต้องปฏิบัติตามข้อกำหนดตามภารกิจของรัฐบาลในการต่อสู้กับการฉ้อโกง การละเมิด และการ浪费 (FWA) ในระบบสาธารณสุข

AI ที่ออกแบบไม่ดีอาจส่งผลกระทบต่อผู้ให้บริการแต่ละรายได้ พิจารณาผลกระทบหากเครื่องมือ AI ไม่ได้รับการฝึกอบรมอย่างเหมาะสมเกี่ยวกับแนวคิด “ผู้ให้บริการที่มีความเสี่ยง” ในวงจรรายได้ แพทย์อาจพบว่าตัวเองถูกตรวจสอบและฝึกอบรมเพิ่มเติมหากพวกเขาถูกจัดให้อยู่ในกลุ่มผู้ให้บริการที่มีความเสี่ยงสูงและมีอัตราการปฏิเสธสูง สิ่งนี้จะทำให้เสียเวลาในการดูแลผู้ป่วย ชะลอกระแสเงินสดโดยการตรวจสอบข้อเรียกร้องที่จะเกิดขึ้น และอาจทำลายชื่อเสียงของพวกเขาโดยการให้ฉลาก “มีปัญหา”

การรักษามนุษย์ในวงจร

การป้องกันผลลัพธ์เชิงลบเหล่านี้ต้องการให้มนุษย์ในวงจร มีสามพื้นที่ของ AI ที่จะจำเป็นต้องมีการมีส่วนร่วมของมนุษย์เสมอเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด

1. การสร้างรากฐานข้อมูลที่แข็งแกร่ง

การสร้างรากฐานข้อมูลที่แข็งแกร่งเป็นสิ่งสำคัญ เนื่องจากโมเดลข้อมูลที่มีเมตาดาต้า คุณภาพข้อมูล และการกำกับดูแลที่เหมาะสมเป็นกุญแจสำคัญในการทำให้ AI สามารถทำงานได้อย่างมีประสิทธิภาพสูงสุด สำหรับสิ่งนี้ให้สำเร็จ ผู้พัฒนาต้องใช้เวลาในการเข้าไปในกระบวนการทำงานกับฝ่ายการชำระเงิน การเข้ารหัส และผู้นำและพนักงานวงจรรายได้เพื่อทำความเข้าใจกระบวนการทำงานและข้อมูลที่จำเป็นในการปฏิบัติหน้าที่

การตรวจจับข้อผิดปกติที่มีประสิทธิภาพต้องไม่เพียงแต่ข้อมูลการชำระเงิน การปฏิเสธ และข้อเรียกร้องอื่นๆ แต่ยังต้องมีความเข้าใจเกี่ยวกับการทำงานที่ซับซ้อนระหว่างผู้ให้บริการ ผู้เข้ารหัส ผู้ชำระเงิน ผู้จ่ายเงิน ฯลฯ เพื่อให้แน่ใจว่าเทคโนโลยีนี้สามารถประเมินความเสี่ยงได้อย่างต่อเนื่องและจัดหาให้ผู้ใช้ได้รับข้อมูลที่จำเป็นในการมุ่งเน้นการดำเนินการและกิจกรรมที่จะขับเคลื่อนผลลัพธ์ที่วัดได้ หากองค์กรข้ามรากฐานข้อมูลและเร่งการปรับใช้แบบจำลอง AI โดยใช้เครื่องมือที่สวยงาม จะส่งผลให้เกิดการหลอกลวงและผลบวกที่ไม่ถูกต้องจากแบบจำลอง AI ที่จะทำให้เกิดเสียงและขัดขวางการนำไปใช้

2. การฝึกอบรมอย่างต่อเนื่อง

การบริหารจัดการวงจรรายได้ของสาธารณสุขเป็นอาชีพที่ต้องมีการศึกษาอย่างต่อเนื่องเพื่อให้แน่ใจว่าผู้เชี่ยวชาญด้านสาธารณสุขเข้าใจข้อกำหนดด้านกฎระเบียบ ล่าสุด และลำดับความสำคัญที่สุด การเรียนรู้แบบเสริมช่วยให้ AI ขยายฐานความรู้และเพิ่มความแม่นยำ การให้ข้อมูลจากผู้ใช้เป็นสิ่งสำคัญสำหรับการปรับปรุงและการอัปเดตเพื่อให้แน่ใจว่าเครื่องมือ AI ตอบสนองความต้องการในปัจจุบันและอนาคต

AI ควรสามารถฝึกอบรมได้แบบเรียลไทม์ ช่วยให้ผู้ใช้สามารถให้ข้อมูลและคำติชมเกี่ยวกับผลลัพธ์ของการค้นหาและ/หรือการวิเคราะห์อย่างรวดเร็วเพื่อสนับสนุนการเรียนรู้อย่างต่อเนื่อง นอกจากนี้ยังควรให้ผู้ใช้สามารถทำเครื่องหมายข้อมูลที่ไม่ปลอดภัยเมื่อจำเป็นเพื่อป้องกันการขยายสเกล ตัวอย่างเช่น การอ้างอิงถึงความสูญเสียทางการเงินหรือความเสี่ยงด้านการปฏิบัติตามข้อกำหนดให้กับหน่วยหรือบุคคลโดยไม่ได้อธิบายว่าทำไมจึงเหมาะสมที่จะทำเช่นนั้น

3. การกำกับดูแลที่เหมาะสม

มนุษย์ต้องตรวจสอบผลลัพธ์ของ AI เพื่อให้แน่ใจว่ามันปลอดภัย แม้ว่าจะมีการเข้ารหัสอัตโนมัติ แต่ผู้เชี่ยวชาญด้านการเข้ารหัสต้องตรวจสอบให้แน่ใจว่า AI ได้เรียนรู้วิธีการใช้เซตการเข้ารหัสที่อัปเดตหรือจัดการกับการกำหนดข้อกำหนดด้านกฎระเบียบที่ใหม่ เมื่อมนุษย์ถูกแยกออกจากวงจรการกำกับดูแล องค์กรสาธารณสุขจะทำให้ตัวเองเสี่ยงต่อการรั่วไหลของรายได้ ผลลัพธ์การตรวจสอบที่ไม่ดี การสูญเสียชื่อเสียง และอื่นๆ

ไม่มีข้อสงสัยว่า AI สามารถเปลี่ยนแปลงสาธารณสุขได้ โดยเฉพาะ RCM แต่สิ่งนี้ต้องอาศัยการลงทุนด้านเทคโนโลยีขององค์กรสาธารณสุขที่เสริมด้วยการฝึกอบรมบุคลากรเพื่อเพิ่มความแม่นยำ ความสามารถในการผลิต และมูลค่าทางธุรกิจ