Доктор Ріхан Джавід, генеральний директор і співзасновник Rinova – Серія інтерв’ю

Доктор Ріхан Джавід, генеральний директор і співзасновник Rinova AI, є лікарем-менеджером і підприємцем, який зосереджується на модернізації медичної інфраструктури за допомогою штучного інтелекту. Окрім керівництва Rinova, він є співзасновником і президентом Edge, який надає рішення для віддаленої роботи для страхових, медичних і стоматологічних клінік. Як практикуючий психіатр, він зараз обіймає посаду медичного директора і головного медичного офіцера в CommonSpirit Health і St. Joseph’s Behavioral Health Center, а також займає клінічну посаду в Touro University Medical Group. Його попередній досвід включає практику психіатрії в The Permanente Medical Group, Inc. і завершення резидентури в California Pacific Medical Center і University of South Florida, а також раніше керівний досвід як головного спеціаліста з юридичних питань.

Rinova AI є медичною технологічною компанією, яка зосереджується на штучному інтелекті для управління доходами і автоматизації медичної документації. Платформа розроблена для зменшення адміністративного навантаження на медичних працівників шляхом автоматизації ключових процесів, таких як верифікація страховки, оптимізація кодування, подання заяв і управління відмовами. Використовуючи штучний інтелект для оптимізації робочих процесів і покращення точності, Rinova спрямована на надання значних економічних вигод порівняно з традиційними послугами з документування, прискорення виплат і покращення фінансових результатів для медичних організацій.

Ви стали співзасновником Edge у 2021 році після років роботи як психіатр і пізніше як медичний директор і головний медичний офіцер. З точки зору штучного інтелекту, які ранні сигнали ви помітили в робочих процесах документування, таких як фрагментована документація, зміна правил страховиків або ручне оброблення винятків, що переконало вас, що автоматизація в кінцевому підсумку стане невідворотною?

Коли я працював і пізніше керував клінічними операціями, я бачив, як багато тертя існувало в документуванні. Дані жили в декількох системах, які не комунікували добре. Вимоги страховиків постійно змінювалися. Персонал витрачав години на повторну роботу над заявами з причин, які часто були передбачуваними в ретроспективі.

Що виділялося для мене, це повторення. Те ж саме помилки, ті ж самі шаблони відмов, ті ж самі прогалини в документації. Це були не рідкісні, нюансовані питання. Це були повторювані операційні розриви. На певному рівні ви розумієте, що просити людей вручну керувати цією складністю не є сталим. Тоді стає ясно, що автоматизація не є опціональною. Вона є невідворотною.

Коли ви запустили Rinova AI кілька років пізніше, що змінилося в технологіях або даних, що зробило можливим застосування штучного інтелекту до управління доходами в спосіб, який міг би працювати надійно проти реальних правил страховиків і реальної складності заяв?

Дві речі змінилися. По-перше, середовище даних покращилося. Інтеграції між ЕР, клірінговими центрами та платформами документування стали більш структурованими. Це дало нам чистіші входи і сильніші зворотні зв’язки.

По-друге, технологія дозріла. Ми перейшли від простих правил двигунів. Моделі стали здатними оцінювати контекст, а не просто перевіряти пункти. Це дозволило нам аналізувати документацію, кодування і логіку страховиків разом, а не окремо.

Це не означало, що документування раптом стало простим. Це означало, що екосистема стала достатньо стабільною для того, щоб штучний інтелект міг працювати надійно.

Управління доходами традиційно покладалося на статичні правила і після відмови відновлення. Як введення штучного інтелекту на початку робочого процесу змінює те, як лікарні думають про фінансовий ризик і передбачуваність виплат?

Традиційно команди управління доходами приймають певний рівень відмови як частину роботи.

Коли штучний інтелект вводиться вгору, мета зміщується від відновлення до попередження. Ви можете визначити прогалини в документації або несумісність кодування до подання. Це зменшує варіативність у виплатах.

Лікарні починають думати менше про погоню за доходами і більше про контроль ризику до того, як він матеріалізується. Це змінює прогнозування, моделі штату, і навіть розмови на рівні ради директорів про фінансову стабільність.

Системи штучного інтелекту часто працюють добре на стандартних випадках, але борються на краях. У документуванні сьогодні, які сценарії обробляються автоматизацією найефективніше, і де людський суд все ще грає критичну роль?

Автоматизація працює найкраще в структурованих, високовитратних завданнях. Перевірка права на отримання страховки, валідация авторизації, узгодженість кодування і виявлення шаблонів відмов – це всі області, де машини можуть обробляти швидше і більш послідовно, ніж люди.

Лудський суд все ще має значення в виняткових випадках. Апеляції, які вимагають клінічної нюансів, спори за контрактами, незвичайна поведінка страховиків або складні клінічні сценарії – все це виграє від досвіду і розуміння. Штучний інтелект може вказати на ризик. Люди все ще інтерпретують сірі зони і приймають остаточні рішення.

Edge вкладає команди управління доходами, навчені в галузі охорони здоров’я, в робочі процеси лікарень, тоді як Rinova автоматизує процес прийняття рішень вгору. Як ви підходите до розробки систем штучного інтелекту, які посилюють людське прийняття рішень, а не вводять нові операційні ризики?

Ми підходимо до штучного інтелекту як до підтримуючого шару, а не заміни. Система висуває рекомендації і пояснює свою логіку. Наші команди, навчені в галузі охорони здоров’я, залишаються вкладеними в робочий процес.

Ця структура має значення. Штучний інтелект обробляє масштаб і визнання шаблонів. Люди обробляють нагляд і відповідальність. Коли ці ролі ясні, ви зменшуєте ризик, а не збільшуєте його.

Мета полягає в тому, щоб зменшити когнітивне перевантаження, а не видалити людський суд.

Політика страховиків часто змінюється і не завжди застосовується послідовно. Як реальна інтелект страховиків змінює зворотний зв’язок між поданням заяв, відмовами і безперервним покращенням моделі?

Політика страховиків часто змінюється, і застосування не завжди послідовне. Історично організації оновлювали правила періодично і сподівалися, що вони були актуальними.

З реальним зворотним зв’язком кожна відмова і затвердження стають пунктами даних. Модель вчиться з реальних результатів, а не статичних припущень. Це скорочує розрив між зміною політики і операційною корекцією.

З часом це зменшує несподівані відмови і покращує точність подання. Це робить систему більш адаптивною.

Лікарні зрозуміло обережні щодо систем штучного інтелекту, які впливають на потік грошей. Який рівень прозорості або контролю, ви думаєте, керівники охорони здоров’я повинні очікувати перед тим, як довіряти рішенняам щодо документування, прийнятим штучним інтелектом?

Керівники повинні очікувати ясності. Вони повинні розуміти, чому була зроблена рекомендація. Вони повинні мати можливість її скасувати. І вони повинні мати ясний аудит-трейл.

Управління доходами безпосередньо впливає на потік грошей і дотримання вимог. Довіра приходить від видимості і контролю, а не від сліпої автоматизації. Будь-яка система штучного інтелекту, яка працює в цьому просторі, повинна відповідати цьому стандарту.

Недостатність персоналу в командах управління доходами часто розглядається як питання праці. З вашої точки зору, скільки проблеми кореняться в якості даних і проектуванні робочого процесу, і де штучний інтелект може мати найбільший вплив?

Виїмки з персоналу реальні, але багато з них посилюються поганим проектуванням робочого процесу. Коли команди витрачають більшу частину свого часу на виправлення попереджуваних помилок, втома збільшується, а продуктивність знижується.

Якщо ви очистите вхідні дані і зменшите уникнутийні відмови, та ж сама команда може працювати більш ефективно. Штучний інтелект має найбільший вплив там, де він видаляє повторювану роботу і стандартизує процеси.

Часто питання не полягає просто в кількості працівників. Це тертя.

Як штучний інтелект стає частиною операцій управління доходами, як ви бачите еволюцію ролі команд управління доходами протягом наступних кількох років у термінах нагляду, оброблення винятків і управління?

Я очікую, що команди управління доходами стануть більш стратегічними. Менше часу на повторювану обробку. Більше часу на нагляд, складні апеляції, переговори з страховиками і аналіз результатів.

Як автоматизація обробляє рутинну роботу, людські команди переходять до управління і оптимізації. Це підвищує функцію, а не зменшує її.

Оглядаючи вперед, чи очікуєте ви, що платформи управління доходами, керовані штучним інтелектом, стануть основною фінансовою інфраструктурою для лікарень, а не опціональними інструментами, і що це зміщення дозволить організаціям, які працюють під постійним тиском маржі?

Так. Тиск маржі не зникне. Передбачуваність у виплатах стане необхідною.

Платформи, керовані штучним інтелектом, які покращують точність і зменшують витоки, перейдуть від опціональних інструментів до основної інфраструктури. Коли потік грошей стане більш стабільним, лікарні зможуть планувати з більшою впевненістю і інвестувати більш свідомо в догляд за пацієнтами.

Це є кінцевим результатом, про який ми дбаємо.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Rinova AI або Edge.