การรวม AI เข้ากับการจัดการวงจรรายได้ของโรงพยาบาล: ทำไมมนุษย์จึงต้องอยู่ในวงจร

AI ได้กลายเป็นส่วนหนึ่งของการจัดการวงจรรายได้ของโรงพยาบาล (RCM) เนื่องจากผู้นำด้านการเงินต้องการให้การบรรเทาแก่แผนกที่มีพนักงานไม่เพียงพอและเผชิญกับการตรวจสอบจากภายนอกและอัตราการปฏิเสธที่เพิ่มขึ้น

ตามรายงานมาตรฐานที่เพิ่งเปิดเผยเมื่อเร็วๆ นี้ 2023 Benchmark Report การลงทุนในข้อมูล AI และแพลตฟอร์มเทคโนโลยีได้ช่วยให้ฝ่ายตรวจสอบและรักษาความสมบูรณ์ของรายได้สามารถลดขนาดทีมลง 33% ในขณะเดียวกันก็เพิ่มกิจกรรมตรวจสอบได้ 10% เมื่อเทียบกับปี 2022 ในช่วงเวลาที่มีการขาดแคลนพนักงาน RCM สูง AI จึงให้การเพิ่มผลผลิตที่สำคัญ

องค์กรสาธารณสุขกำลังรายงานคำขอตรวจสอบมากถึง 4 เท่าเมื่อเทียบกับปีก่อนๆ และจดหมายคำขอตรวจสอบมีมากกว่า 100 หน้า นี่คือจุดที่ AI ส่องแสง – ความสามารถที่ยิ่งใหญ่ที่สุดของ AI คือการค้นหาสิ่งผิดปกติและเข็มในกองฟางทั่วทั้งล้านๆ จุดข้อมูล AI เป็นตัวแทนของความได้เปรียบทางการแข่งขันที่สำคัญต่อฟังก์ชัน RCM และผู้นำด้านการเงินของโรงพยาบาลที่มอง AI ว่าเป็นเรื่องน่าหลงใหลจะพบว่าองค์กรของตนถูกทิ้งไว้ข้างหลัง

จุดที่ AI อาจล้มเหลว

AI ที่เป็นอิสระอย่างแท้จริงในด้านสาธารณสุขเป็นเพียงความฝัน ในขณะที่เป็นความจริงที่ว่า AI ได้ทำให้หลายงาน RCM เป็นอัตโนมัติ แต่สัญญาของระบบอัตโนมัติเต็มรูปแบบยังคงไม่ได้รับการเติมเต็ม สิ่งนี้เกิดจากการที่ผู้ให้บริการซอฟต์แวร์มักมุ่งเน้นไปที่เทคโนโลยีโดยไม่หยุดพักเพื่อทำความเข้าใจกระบวนการทำงานและจุดสัมผัสของมนุษย์ภายใน – การปฏิบัติที่นำไปสู่การรวม AI ที่ไม่มีประสิทธิภาพและไม่ได้รับการยอมรับจากผู้ใช้

มนุษย์ต้องอยู่ในวงจรเสมอเพื่อให้แน่ใจว่า AI สามารถทำงานได้อย่างเหมาะสมใน環境 RCM ที่ซับซ้อน ความแม่นยำและความแม่นยำยังคงเป็นความท้าทายที่ยากที่สุดสำหรับ AI อิสระ และสิ่งนี้คือจุดที่การมีส่วนร่วมของมนุษย์ในวงจรจะช่วยเพิ่มผลลัพธ์ แม้ว่าความเสี่ยงอาจไม่สูงเท่ากับด้านการรักษา แต่ผลกระทบของการออกแบบ AI ที่ไม่ดีนั้นยังคงมีนัยสำคัญ

ผลกระทบทางการเงินเป็นผลกระทบที่เห็นได้ชัดที่สุดสำหรับองค์กรสาธารณสุข AI ที่ได้รับการฝึกอบรมไม่ดีในการตรวจสอบการเรียกร้องค่าใช้จ่ายในอนาคตอาจพลาดกรณีของการเข้ารหัสที่ไม่ถูกต้อง ซึ่งหมายถึงโอกาสในการสร้างรายได้ที่พลาดไป ลูกค้าหนึ่งของ MDaudit ค้นพบว่ากฎที่ไม่ถูกต้องภายในระบบการเข้ารหัสอัตโนมัติของตนเองทำให้เข้ารหัสยาที่ให้ไว้ไม่ถูกต้อง ซึ่งนำไปสู่การสูญเสียรายได้ 25 ล้านดอลลาร์ ความผิดพลาดนี้จะไม่ถูกพบหรือแก้ไขหากไม่มีมนุษย์ในวงจร

ในทำนองเดียวกัน AI ยังล้มเหลวในการให้ผลลัพธ์เกินขนาดด้วยผลลัพธ์เป็นค่าบวกเท็จ – พื้นที่ที่องค์กรสาธารณสุขต้องปฏิบัติตามข้อกำหนดเพื่อสนองนโยบายของรัฐบาลในการต่อต้านการฉ้อโกง การละเมิด และการ浪费 (FWA) ในระบบสาธารณสุข

AI ที่ได้รับการออกแบบไม่ดียังสามารถส่งผลกระทบต่อผู้ให้บริการแต่ละรายได้ พิจารณาผลกระทบหากเครื่องมือ AI ไม่ได้รับการฝึกอบรมอย่างเหมาะสมเกี่ยวกับแนวคิด “ผู้ให้บริการที่มีความเสี่ยง” ในด้านวงจรรายได้ แพทย์อาจพบว่าตนต้องเผชิญกับการตรวจสอบและฝึกอบรมเพิ่มเติมหากพวกเขาถูกจับเข้าไปในกลุ่มผู้ให้บริการที่มีอัตราการปฏิเสธสูง สิ่งนี้จะทำให้เสียเวลาในการดูแลผู้ป่วย ชะลอการไหลเวียนของเงินสดโดยการชะลอการเรียกร้องสำหรับการตรวจสอบในอนาคต และอาจทำลายชื่อเสียงของพวกเขาโดยการให้ฉลาก “มีปัญหา”

การรักษามนุษย์ในวงจร

การป้องกันผลลัพธ์เชิงลบเหล่านี้ต้องการให้มนุษย์ในวงจร มีสามด้านของ AI ที่ต้องการการมีส่วนร่วมของมนุษย์เสมอเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด

1. การสร้างฐานข้อมูลที่แข็งแกร่ง

การสร้างฐานข้อมูลที่แข็งแกร่งเป็นสิ่งสำคัญ เนื่องจากโมเดลข้อมูลที่มีเมตาดาต้า คุณภาพข้อมูล และการกำกับดูแลที่เหมาะสมเป็นกุญแจสำคัญในการทำให้ AI สามารถทำงานได้อย่างมีประสิทธิภาพสูงสุด เพื่อให้สิ่งนี้เกิดขึ้น ผู้พัฒนาต้องใช้เวลาในการเข้าไปในสนามกับหัวหน้าฝ่ายการเรียกเก็บเงิน การเข้ารหัส และวงจรรายได้เพื่อทำความเข้าใจกระบวนการทำงานและข้อมูลที่จำเป็นในการปฏิบัติหน้าที่ของพวกเขา

การตรวจจับสิ่งผิดปกติที่มีประสิทธิภาพต้องไม่เพียงแต่ข้อมูลการเรียกเก็บเงิน การปฏิเสธ และข้อมูลการเรียกร้องอื่นๆ แต่ยังต้องมีความเข้าใจเกี่ยวกับการโต้ตอบที่ซับซ้อนระหว่างผู้ให้บริการ ผู้เข้ารหัส ผู้เรียกเก็บเงิน ผู้จ่ายเงิน ฯลฯ เพื่อให้แน่ใจว่าเทคโนโลยีนั้นสามารถประเมินความเสี่ยงได้อย่างต่อเนื่องและจัดเตรียมข้อมูลที่จำเป็นให้กับผู้ใช้เพื่อเน้นย้ำการกระทำและกิจกรรมที่นำไปสู่ผลลัพธ์ที่วัดได้ หากองค์กรข้ามฐานข้อมูลและเร่งการนำ AI ไปใช้โดยใช้เครื่องมือที่สวยงาม จะส่งผลให้เกิดการหลอกลวงและผลลัพธ์เป็นค่าบวกเท็จจาก AI ที่จะทำให้เกิดเสียงและขัดขวางการนำไปใช้

2. การฝึกอบรมอย่างต่อเนื่อง

การบริหารจัดการวงจรรายได้ของโรงพยาบาลเป็นอาชีพที่ต้องมีการศึกษาอย่างต่อเนื่องเพื่อให้แน่ใจว่าผู้เชี่ยวชาญในด้านนี้เข้าใจกฎระเบียบ ลักษณะที่เปลี่ยนแปลง และลำดับความสำคัญล่าสุด สิ่งเดียวกันนี้ใช้กับเครื่องมือ RCM ที่ใช้ AI การเรียนรู้แบบเสริมช่วยให้ AI ขยายฐานความรู้และเพิ่มความแม่นยำ การให้ข้อมูลจากผู้ใช้เป็นสิ่งสำคัญสำหรับการปรับปรุงและอัปเดตเพื่อให้แน่ใจว่าเครื่องมือ AI ตอบสนองความต้องการในปัจจุบันและอนาคต

AI ควรสามารถฝึกอบรมได้แบบเรียลไทม์ โดยให้ผู้ใช้สามารถให้ข้อมูลและคำติชมเกี่ยวกับผลลัพธ์ของการค้นหาหรือการวิเคราะห์อย่างต่อเนื่องเพื่อสนับสนุนการเรียนรู้อย่างต่อเนื่อง นอกจากนี้ยังควรให้ผู้ใช้สามารถทำเครื่องหมายข้อมูลว่าเป็น “ไม่ปลอดภัย” เมื่อเหมาะสมเพื่อป้องกันการขยายตัวในระดับใหญ่ ตัวอย่างเช่น การอ้างอิงถึงความสูญเสียทางการเงินหรือความเสี่ยงด้านการปฏิบัติตามกฎระเบียบต่อหน่วยงานหรือบุคคลโดยไม่มีการอธิบายว่าทำไมจึงเหมาะสมที่จะทำเช่นนั้น

3. การกำกับดูแลที่เหมาะสม

มนุษย์ต้องตรวจสอบผลลัพธ์ของ AI เพื่อให้แน่ใจว่ามันปลอดภัย แม้ว่าจะมีการเข้ารหัสอัตโนมัติก็ตาม ผู้เชี่ยวชาญด้านการเข้ารหัสต้องตรวจสอบว่า AI ได้ “เรียนรู้” วิธีการใช้เซตการเข้ารหัสที่อัปเดตหรือจัดการกับข้อกำหนดด้านกฎระเบียบที่ใหม่ เมื่อมนุษย์ถูกแยกออกจากวงจรการกำกับดูแล องค์กรสาธารณสุขจะทำให้ตัวเองตกอยู่ในความเสี่ยงต่อการรั่วไหลของรายได้ ผลลัพธ์การตรวจสอบที่ไม่ดี การสูญเสียชื่อเสียง และอื่นๆ อีกมากมาย

ไม่มีข้อสงสัยว่า AI สามารถเปลี่ยนแปลงสาธารณสุขได้ โดยเฉพาะ RCM อย่างไรก็ตาม สิ่งนี้ต้องการให้องค์กรสาธารณสุขเสริมการลงทุนด้านเทคโนโลยีด้วยการฝึกอบรมพนักงานและกำลังคนเพื่อเพิ่มความแม่นยำ ความสามารถในการผลิต และมูลค่าทางธุรกิจ