Tích hợp AI vào RCM chăm sóc sức khỏe: Tại sao con người phải luôn cập nhật

AI đã trở thành một phần không thể thiếu trong quản lý chu trình doanh thu chăm sóc sức khỏe (RCM) khi các nhà lãnh đạo tài chính tìm cách cung cấp biện pháp hỗ trợ cho các bộ phận đang quá tải, thiếu nhân lực phải đối mặt với khối lượng yêu cầu kiểm toán của bên thứ ba chưa từng có và tỷ lệ từ chối ngày càng tăng.

Theo thông tin mới được công bố Báo cáo điểm chuẩn năm 2023, khoản đầu tư ngày càng tăng vào dữ liệu, AI và nền tảng công nghệ đã cho phép các bộ phận tuân thủ và liêm chính về doanh thu giảm 33% quy mô nhóm của họ trong khi thực hiện các hoạt động kiểm toán nhiều hơn 10% so với năm 2022. Vào thời điểm tình trạng thiếu nhân sự RCM ở mức cao, AI sẽ cung cấp một sự tăng năng suất quan trọng.

Các tổ chức chăm sóc sức khỏe hiện đang báo cáo số yêu cầu kiểm tra nhiều gấp bốn lần so với những năm trước – và thư yêu cầu kiểm toán dài hơn 100 trang. Đây là nơi AI tỏa sáng – khả năng lớn nhất của nó là phát hiện ra những ngoại lệ và những điều khó hiểu trên hàng triệu điểm dữ liệu. AI đại diện cho một lợi thế cạnh tranh đáng kể đối với chức năng RCM và các nhà lãnh đạo tài chính chăm sóc sức khỏe loại bỏ AI vì sự cường điệu sẽ sớm thấy tổ chức của họ bị bỏ lại phía sau.

AI có thể thất bại ở đâu

AI thực sự tự chủ trong chăm sóc sức khỏe là một giấc mơ viển vông. Mặc dù đúng là AI đã cho phép tự động hóa nhiều nhiệm vụ RCM nhưng lời hứa về các hệ thống tự động hoàn toàn vẫn chưa được thực hiện. Điều này một phần là do xu hướng tập trung vào công nghệ của các nhà cung cấp phần mềm mà không dành thời gian để hiểu đầy đủ về quy trình công việc được nhắm mục tiêu và quan trọng là các điểm tiếp xúc của con người trong đó - một thực tiễn dẫn đến việc tích hợp AI và sự áp dụng của người dùng cuối không hiệu quả.

Con người phải luôn cập nhật để đảm bảo rằng AI có thể hoạt động phù hợp trong môi trường RCM phức tạp. Độ chính xác và độ chính xác vẫn là những thách thức khó khăn nhất với AI tự động và đây là lúc mà sự tham gia của con người vào vòng lặp sẽ nâng cao kết quả. Mặc dù rủi ro đối với RCM có thể không cao như ở khía cạnh lâm sàng, nhưng hậu quả của các giải pháp AI được thiết kế kém vẫn rất đáng kể.

Tác động tài chính là rõ ràng nhất đối với các tổ chức chăm sóc sức khỏe. Các công cụ AI được đào tạo kém đang được sử dụng để tiến hành kiểm tra các khiếu nại tiềm năng có thể bỏ lỡ các trường hợp mã hóa thiếu, đồng nghĩa với việc bỏ lỡ các cơ hội doanh thu. Một khách hàng của MDaudit đã phát hiện ra rằng một quy tắc không chính xác trong cái gọi là hệ thống mã hóa tự trị của họ là việc quản lý các đơn vị thuốc mã hóa không chính xác, dẫn đến doanh thu bị mất 25 triệu USD. Lỗi sẽ không bao giờ được phát hiện và sửa chữa nếu không có con người trong vòng lặp phát hiện ra lỗ hổng.

Tương tự như vậy, AI cũng có thể gặp khó khăn với việc mã hóa quá mức các kết quả dương tính giả – một lĩnh vực mà các tổ chức chăm sóc sức khỏe phải tuân thủ sứ mệnh của chính phủ trong việc chống gian lận, lạm dụng và lãng phí (FWA) trong hệ thống chăm sóc sức khỏe.

AI được thiết kế kém cũng có thể ảnh hưởng đến các nhà cung cấp riêng lẻ. Hãy xem xét các tác động nếu một công cụ AI không được đào tạo bài bản về khái niệm “nhà cung cấp có nguy cơ” theo nghĩa chu kỳ doanh thu. Các bác sĩ có thể nhận thấy mình là mục tiêu bị giám sát và đào tạo bổ sung một cách không công bằng nếu họ được đưa vào danh sách tìm kiếm các nhà cung cấp có nguy cơ cao với tỷ lệ từ chối cao. Điều đó làm lãng phí thời gian lẽ ra phải dành cho việc khám bệnh, làm chậm dòng tiền bằng cách trì hoãn các yêu cầu đánh giá trong tương lai và có thể gây tổn hại đến danh tiếng của họ bằng cách gán cho họ nhãn hiệu “có vấn đề”.

Giữ con người trong vòng lặp

Việc ngăn chặn những loại kết quả tiêu cực này đòi hỏi phải có sự tham gia của con người. Đặc biệt, có ba lĩnh vực AI sẽ luôn cần sự tham gia của con người để đạt được kết quả tối ưu.

1. Xây dựng nền tảng dữ liệu vững chắc.

Xây dựng nền tảng dữ liệu mạnh mẽ là rất quan trọng, vì mô hình dữ liệu cơ bản với siêu dữ liệu, chất lượng dữ liệu và quản trị phù hợp là chìa khóa để giúp AI đạt được hiệu quả cao nhất. Để điều này xảy ra, các nhà phát triển phải dành thời gian tìm hiểu kỹ về việc tuân thủ thanh toán, mã hóa và các nhà lãnh đạo cũng như nhân viên trong chu trình doanh thu để hiểu đầy đủ về quy trình làm việc và dữ liệu cần thiết để thực hiện nhiệm vụ của họ.

Việc phát hiện sự bất thường hiệu quả không chỉ đòi hỏi dữ liệu thanh toán, từ chối và các khiếu nại khác mà còn cần sự hiểu biết về sự tương tác phức tạp giữa nhà cung cấp, người lập trình, người lập hoá đơn, người trả tiền, v.v. để đảm bảo công nghệ có khả năng đánh giá rủi ro liên tục trong thời gian thực và cung cấp cho người dùng thông tin cần thiết để tập trung hành động và hoạt động của họ theo cách mang lại kết quả có thể đo lường được. Nếu các tổ chức bỏ qua nền tảng dữ liệu và đẩy nhanh việc triển khai các mô hình AI của họ bằng các công cụ sáng bóng, điều đó sẽ dẫn đến ảo giác và kết quả dương tính giả từ các mô hình AI, gây ra tiếng ồn và cản trở việc áp dụng.

2. Đào tạo liên tục.

Chăm sóc sức khỏe RCM là một nghề phát triển không ngừng, đòi hỏi phải được đào tạo liên tục để đảm bảo các chuyên gia của mình hiểu được các quy định, xu hướng và ưu tiên mới nhất. Điều này cũng đúng với các công cụ RCM hỗ trợ AI. Học tăng cường cho phép AI mở rộng nền tảng kiến ​​thức và tăng độ chính xác. Ý kiến ​​đóng góp của người dùng rất quan trọng trong quá trình sàng lọc và cập nhật nhằm đảm bảo các công cụ AI đáp ứng được nhu cầu hiện tại và tương lai.

AI phải có thể đào tạo được trong thời gian thực, cho phép người dùng cuối cung cấp ngay thông tin đầu vào và phản hồi về kết quả tìm kiếm và/hoặc phân tích thông tin để hỗ trợ việc học tập liên tục. Người dùng cũng có thể đánh dấu dữ liệu là không an toàn khi được bảo đảm để ngăn chặn việc khuếch đại dữ liệu trên quy mô lớn. Ví dụ: quy kết tổn thất tài chính hoặc rủi ro tuân thủ cho các tổ chức hoặc cá nhân cụ thể mà không giải thích chính xác lý do nên làm như vậy.

3. Quản trị phù hợp.

Con người phải xác thực đầu ra của AI để đảm bảo nó an toàn. Ngay cả với mã hóa tự động, chuyên gia mã hóa phải đảm bảo AI đã “học” đúng cách cách áp dụng các bộ mã cập nhật hoặc xử lý các yêu cầu quy định mới. Khi con người bị loại khỏi vòng quản trị, tổ chức chăm sóc sức khỏe sẽ có nguy cơ bị rò rỉ doanh thu, kết quả kiểm toán tiêu cực, tổn thất danh tiếng, v.v.

Không nghi ngờ gì rằng AI có thể biến đổi hoạt động chăm sóc sức khỏe, đặc biệt là RCM. Tuy nhiên, làm như vậy đòi hỏi các tổ chức chăm sóc sức khỏe phải tăng cường đầu tư vào công nghệ bằng việc đào tạo con người và lực lượng lao động để tối ưu hóa độ chính xác, năng suất và giá trị kinh doanh.