Інтеграція штучного інтелекту в управління циклом доходів охорони здоров’я: чому люди повинні залишатися в циклі

Штучний інтелект став постійним елементом управління циклом доходів охорони здоров’я, оскільки керівники фінансових відділів намагаються надати певну допомогу перевантаженим і недоукомплектованим відділам, які стикаються з безпрецедентними обсягами вимог третьої сторони та зростаючими показниками відмов.

За даними щойно опублікованого звіту про показники 2023 року, зростаючі інвестиції в дані, штучний інтелект та технологічні платформи дозволили відділам з питань дотримання законодавства та цілісності доходів скоротити кількість працівників на 33%, водночас збільшивши обсяг аудиторських заходів на 10% порівняно з 2022 роком. У період, коли не вистачає працівників у сфері управління циклом доходів охорони здоров’я, штучний інтелект забезпечує критичний підйом продуктивності.

Організації охорони здоров’я тепер повідомляють про чотирикратне збільшення кількості запитів на аудит порівняно з попередніми роками – і листи з вимогами аудиту нараховують понад 100 сторінок. Саме тут штучний інтелект справляється найкраще – його найважливішою можливістю є виявлення аномалій і “іголок у копиці” серед мільйонів даних. Штучний інтелект представляє значну конкурентну перевагу для функції управління циклом доходів охорони здоров’я, і керівники фінансових відділів охорони здоров’я, які вважають штучний інтелект модним словом, скоро виявлять, що їхні організації відстають.

Де штучний інтелект може не виправдати очікувань

Справді автономний штучний інтелект у сфері охорони здоров’я є мрією. Хоча правда, що штучний інтелект дозволив автоматизувати багато завдань управління циклом доходів охорони здоров’я, обіцянка повністю автономних систем залишається невиконаною. Це частково пояснюється тим, що постачальники програмного забезпечення схильні зосереджуватися на технологіях, не витрачаючи часу на повне розуміння цільових робочих процесів та, що важливо, людських контактів у них – це призводить до неефективної інтеграції штучного інтелекту та прийняття кінцевими користувачами.

Люди повинні завжди бути в циклі, щоб забезпечити належну роботу штучного інтелекту в складному середовищі управління циклом доходів охорони здоров’я. Точність і точність залишаються найбільшими викликами для автономного штучного інтелекту, і саме тут участь людей у циклі покращить результати. Хоча ставки можуть не бути такими високими для управління циклом доходів охорони здоров’я, як на клінічному рівні, наслідки погано спроектованих рішень штучного інтелекту все одно суттєві.

Фінансові наслідки є найбільш очевидними для організацій охорони здоров’я. Погано навчені інструменти штучного інтелекту, які використовуються для проведення перспективних аудитів заяв, можуть пропустити випадки недооцінки, що означає втрачені можливості отримання доходу. Один із клієнтів MDaudit виявив, що неправильна правило у їхній так званій автономній системі кодування неправильно кодувала одиниці лікарських засобів, що призвело до втрати 25 мільйонів доларів доходу. Помилка ніколи б не була виявлена та виправлена, якщо б не людина у циклі, яка виявила недолік.

Аналогічно, штучний інтелект також може не виправдати очікувань при результатах переоцінки з помилковими позитивними результатами – це область, в якій організації охорони здоров’я повинні дотримуватися законодавства у відповідності з місією уряду щодо боротьби з шахрайством, зловживанням та марнотратством (FWA) у системі охорони здоров’я.

Погано спроектований штучний інтелект також може вплинути на окремих постачальників медичних послуг. Розгляньте наслідки, якщо інструмент штучного інтелекту не належним чином навчений на концепцію “постачальника, який перебуває під загрозою” у сенсі циклу доходів охорони здоров’я. Лікарі могли б бути несправедливо вибрані для додаткової перевірки та навчання, якщо вони будуть включені до списків постачальників, які перебувають під загрозою, з високими показниками відмов. Це марнує час, який повинен бути витрачений на прийом пацієнтів, сповільнює потік коштів шляхом затримки заяв на перспективні перевірки та міг би нашкодити їхній репутації, приклеївши їм ярлик “проблемного” постачальника.

Збереження людей у циклі

Запобігання таким негативним наслідкам вимагає участі людей у циклі. Є три області штучного інтелекту, які завжди будуть вимагати участі людей для досягнення оптимальних результатів.

1. Будівництво сильної основи даних.

Будівництво міцної основи даних є критично важливим, оскільки підкладка даних з належними метаданими, якістю даних та керуванням є ключем до забезпечення того, щоб штучний інтелект досягав пікових ефективностей. Для цього розробники повинні витратити час на роботу з лідерами та працівниками відділів обліку, кодування та циклу доходів охорони здоров’я, щоб повністю зрозуміти їхні робочі процеси та дані, необхідні для виконання їхніх обов’язків.

Ефективне виявлення аномалій вимагає не тільки даних про облік, відмови та інші заяви, а й розуміння складної взаємодії між постачальниками, кодерами, бухгалтерами, платниками тощо, щоб забезпечити те, що технологія здатна безперервно оцінювати ризики в режимі реального часу та надавати користувачам інформацію, необхідну для того, щоб сконцентрувати свої дії та діяльність способами, які забезпечують вимірювані результати. Якщо організації пропускають основу даних і прискорюють розгортання своїх моделей штучного інтелекту, використовуючи блискучі інструменти, це призведе до галюцинацій та помилкових позитивних результатів моделей штучного інтелекту, які спричинятимуть шум і завадять прийняттю.

2. Безперервне навчання.

Управління циклом доходів охорони здоров’я є постійно розвивається професією, яка вимагає безперервної освіти для забезпечення того, щоб професіонали розуміли останні регуляторні акти, тенденції та пріоритети. Те саме стосується інструментів управління циклом доходів охорони здоров’я, які використовують штучний інтелект. Зміцнювальне навчання дозволяє штучному інтелекту розширити свою базу знань та підвищити свою точність. Вхід користувача є критично важливим для уточнення та оновлення, щоб забезпечити те, що інструменти штучного інтелекту відповідають поточним та майбутнім потребам.

Штучний інтелект повинен бути тренованим в режимі реального часу, що дозволяє кінцевим користувачам негайно надавати вхід та відгуки про результати пошуку інформації та/або аналізу для підтримки безперервного навчання. Також повинно бути можливим для користувачів позначати дані як небезпечні, коли це виправдано, щоб запобігти їхньому масштабуванню. Наприклад, приписування фінансових втрат або ризиків дотримання законодавства конкретним сутностям або особам без належного пояснення, чому це виправдано.

3. Правильне керування.

Люди повинні підтверджувати висновки штучного інтелекту, щоб забезпечити їхню безпеку. Навіть при автономному кодуванні фахівець з кодування повинен забезпечити те, що штучний інтелект належним чином “навчився” застосовувати оновлені набори кодів або розраховуватися з новими регуляторними вимогами. Коли люди виключаються з циклу керування, організація охорони здоров’я залишається відкритою для витоку доходів, негативних результатів аудиту, втрати репутації та багатьох інших наслідків.

Не залишається жодного сумніву, що штучний інтелект може перетворити охорону здоров’я, особливо управління циклом доходів охорони здоров’я. Однак це вимагає від організацій охорони здоров’я доповнення своїх технологічних інвестицій навчанням людей та працівників для оптимізації точності, продуктивності та бізнес-цінності.