Sağlık Hizmetlerinde AI’yi Entegre Etme: Neden İnsanların Döngüde Kalması Gerekir

AI, sağlık hizmeti gelir döngüsü yönetimi (RCM) alanında bir standart haline gelmiştir, çünkü finans liderleri, üçüncü taraf denetim talepleri ve artan ret oranları ile karşı karşıya kalan, personeli yetersiz ve aşırı yüklenmiş bölümler için bir çözüm aramaktadırlar.

Yeni yayınlanan 2023 Benchmark Raporu‘na göre, veri, AI ve teknoloji platformlarına yapılan artan yatırımlar, uyum ve gelir bütünlüğü bölümlerinin, 2022’ye kıyasla %10 daha fazla denetim faaliyeti gerçekleştirirken, takım boyutlarını %33 oranında azaltmalarını sağlamıştır. RCM personel eksiklikleri yüksek olduğunda, AI önemli bir verimlilik artışı sağlar.

Sağlık kuruluşları şimdi, önceki yıllara kıyasla dört kat daha fazla denetim talebi rapor etmektedir – ve denetim talep mektupları 100’den fazla sayfaya ulaşmaktadır. İşte AI’nin parladığı nokta – AI’nin en büyük yeteneği, milyonlarca veri noktası arasında aykırı değerleri ve iğne Deliğini bulmaktır. AI, RCM işlevi için önemli bir rekabet avantajıdır ve AI’yi bir hype olarak gören sağlık finans liderleri, kısa sürede organizasyonlarının geride kaldığını göreceklerdir.

AI Nerede Eksik Kalabilir

Sağlık hizmetlerinde gerçekten otonom AI, bir hayaldir. AI’nin birçok RCM görevini otomatikleştirmesini sağladığı doğru olsa da, tamamen otonom sistemlerin vaadi henüz yerine getirilmemiştir. Bu, kısmen yazılım satıcılarının, hedeflenen iş akışlarını ve özellikle de içinde yer alan insan temas noktalarını tam olarak anlamak için zaman ayırmak yerine teknolojiye odaklanma eğiliminden kaynaklanmaktadır – bu da etkili AI entegrasyonu ve son kullanıcı benimsemesi için uygun olmayan bir uygulamaya yol açar.

İnsanların AI’nin doğru bir şekilde çalışmasını sağlamak için her zaman döngüde kalması gerekir. Doğru ve kesinlik, otonom AI ile ilgili en zorlu zorluklar olmaya devam etmektedir ve bu, insanların döngüde kalmasının sonuçları iyileştireceği bir alandır. RCM’nin klinisyen tarafına kıyasla riskler aynı olmasa da, kötü tasarlanmış AI çözümlerinin sonuçları önemli ölçüde önemlidir.

Finansal etkiler, sağlık kuruluşları için en açık olanlardır. Yanlış eğitilen AI araçları, prospektif talepleri denetleme sırasında undercoding örneklerini kaçırabilir, bu da kaçırılan gelir fırsatlarına yol açar. Bir MDaudit müşterisi, self servis kodlama sisteminin, ilacı verilen birimlerini yanlış kodladığını keşfetti ve bu, 25 milyon dolarlık gelir kaybına yol açtı. Hata, döngüde insan olmadan asla tespit edilemez ve düzeltilmezdi.

Ayrıca, AI, overcoding sonuçları ile yanlış pozitifler konusunda da eksik kalabilir – sağlık kuruluşlarının, hükümetin sağlık sisteminde yolsuzluk, suistimal ve israf (FWA) ile mücadele misyonuna uygun olarak uyumlu kalması gereken bir alandır.

Kötü tasarlanmış AI, ayrıca bireysel sağlayıcıları da etkileyebilir. Bir AI aracının, gelir döngüsü anlamında “riskli sağlayıcı” kavramını doğru bir şekilde eğitilmediği durumu düşünün. Doktorlar, yüksek ret oranlarına sahip riskli sağlayıcılar için yapılan süpürme faaliyetlerine dahil edilebilir ve bu, zamanın hastaları görmeye harcanması yerine ilave bir inceleme ve eğitim için harcanmasına yol açabilir, nakit akışını geciktirebilir ve “problemli” bir etiketle damgalanabilir.

İnsanları Döngüde Tutma

Bu tür olumsuz sonuçların önlenmesi, insanların döngüde kalmasını gerektirir. AI’nin üç alanı özellikle insan katılımını gerektirir ve optimal sonuçlar elde etmek için her zaman insan katılımı gerekecektir.

1. Güçlü Bir Veri Temelinin Oluşturulması

Güçlü bir veri temelinin oluşturulması kritiktir, çünkü altta yatan veri modeli, meta veri, veri kalitesi ve yönetim, AI’nin zirve verimliliklerini elde etmesini sağlar. Bunun için geliştiricilerin, faturalama uyum, kodlama ve gelir döngüsü liderleri ve personeli ile birlikte çalışarak, görevlerini yerine getirmeleri için gereken iş akışlarını ve verileri tam olarak anlamak için zaman ayırmaları gerekir.

Etkili anomali tespiti, yalnızca faturalama, ret ve diğer talepler verileri değil, aynı zamanda sağlayıcılar, kodlayıcılar, faturalayıcılar, ödeyiciler vb. arasındaki karmaşık etkileşimi anlamayı da gerektirir, böylece teknoloji, sürekli olarak riskleri gerçek zamanlı olarak değerlendirebilecek ve kullanıcıların eylemlerini ve faaliyetlerini sonuçları elde etmek için odaklamalarına yardımcı olacak bilgileri sunabilecektir. Eğer organizasyonlar veri temelini atlar ve parlak araçları kullanarak AI modellerini hızlı bir şekilde dağıtmaya çalışırlarsa, AI modellerinden hayal gücü ve yanlış pozitifler ortaya çıkacaktır ve bu, gürültüye yol açacak ve benimsemeyi engelleyecektir.

2. Sürekli Eğitim

Sağlık hizmeti RCM, sürekli olarak gelişen bir meslektir ve profesyonellerin, en son düzenlemeleri, trendleri ve öncelikleri anlamalarını sağlamak için sürekli eğitim gerektirir. Aynı şey, AI destekli RCM araçları için de geçerlidir. Pekiştirme öğrenimi, AI’nin bilgi tabanını genişletmesine ve doğruluğunu artırmalarına olanak tanır. Kullanıcı girdisi, AI araçlarının güncel ve gelecekteki ihtiyaçları karşılayabilmesi için kritiktir.

AI, gerçek zamanlı olarak eğitilebilmelidir, böylece son kullanıcılar, bilgi arama sonuçları veya analizlerine hemen geri bildirim sağlayabilir ve sürekli öğrenmeyi destekleyebilir. Ayrıca, kullanıcıların, gerekirse, verilerin güvensiz olarak işaretlenmesini sağlamaları da mümkün olmalıdır. Örneğin, belirli varlıklara veya kişilere finansal kayıp veya uyum riski atfetmek, ancak bunu neden uygun olduğunu açıklamadan.

3. Uygun Yönetim

İnsanların AI’nin çıktısını doğrulaması gerekir, böylece AI’nin güvenli olduğu garantilenir. Otomatik kodlama dahil, bir kodlama profesyonelinin, AI’nin güncellenmiş kod setlerini veya yeni düzenleyici gereksinimleri doğru bir şekilde uygulayabildiğini doğrulaması gerekir. İnsanların yönetim döngüsünden çıkarılması, bir sağlık kuruluşunun, gelir kaçağı, olumsuz denetim sonuçları, itibar kaybı ve daha fazlasına açık kalmasına yol açar.

AI’nin sağlık hizmetlerini, özellikle RCM’yi dönüştürebileceği konusunda hiçbir şüphe yoktur. Ancak bunu yapmak, sağlık kuruluşlarının teknoloji yatırımlarını, insan ve işgücü eğitimi ile tamamlamalarını ve doğruluğu, verimliliği ve iş değerini optimize etmelerini gerektirir.