Tích hợp AI vào Quản lý Chu kỳ Doanh thu Y tế: Tại sao Con người Phải ở trong Vòng lặp

AI đã trở thành một phần không thể thiếu trong quản lý chu kỳ doanh thu y tế (RCM) khi các nhà lãnh đạo tài chính tìm cách cung cấp một số biện pháp giảm nhẹ cho các bộ phận quá tải, thiếu nhân viên và phải đối mặt với số lượng yêu cầu kiểm toán của bên thứ ba chưa từng có và tỷ lệ từ chối tăng cao.

Theo Báo cáo Benchmark 2023 mới được phát hành, đầu tư ngày càng tăng vào dữ liệu, AI và nền tảng công nghệ đã cho phép các bộ phận tuân thủ và tính toàn vẹn doanh thu giảm kích thước đội ngũ của họ xuống 33% trong khi thực hiện 10% nhiều hoạt động kiểm toán hơn so với năm 2022. Vào thời điểm khi sự thiếu hụt nhân viên RCM đang cao, AI cung cấp một động lực sản xuất quan trọng.

Các tổ chức y tế hiện đang báo cáo bốn lần nhiều yêu cầu kiểm toán hơn so với những gì họ nhận được trong những năm trước – và thư yêu cầu kiểm toán đang chạy hơn 100 trang. Đây là nơi AI tỏa sáng – khả năng lớn nhất của nó là tìm ra những điểm khác biệt và kim trong đống rơm trên hàng triệu điểm dữ liệu. AI đại diện cho một lợi thế cạnh tranh đáng kể cho chức năng RCM, và các nhà lãnh đạo tài chính y tế những người coi AI là một sự cường điệu sẽ sớm thấy tổ chức của họ bị bỏ lại phía sau.

Điểm yếu của AI

AI thực sự tự động trong y tế là một giấc mơ. 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 là do phần mềm nhà cung cấp có xu hướng tập trung vào công nghệ mà không dành thời gian để hiểu đầy đủ về các quy trình làm việc được nhắm mục tiêu và quan trọng, các điểm chạm của con người trong chúng – một thực tế dẫn đến việc tích hợp AI không hiệu quả và việc áp dụng của người dùng cuối.

Con người phải luôn ở trong vòng lặp để đảm bảo 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 nơi việc tham gia của con người vào vòng lặp sẽ nâng cao kết quả. Mặc dù những rủi ro có thể không cao như ở phía lâm sàng, nhưng những hậu quả của các giải pháp AI được thiết kế kém vẫn rất đáng kể.

Tác động tài chính là điều rõ ràng nhất đối với các tổ chức y tế. Các công cụ AI được đào tạo kém được sử dụng để thực hiện kiểm toán yêu cầu tiềm năng có thể bỏ lỡ các trường hợp mã hóa dưới, điều này có nghĩa là bỏ lỡ cơ hội doanh thu. Một khách hàng của MDaudit đã phát hiện ra rằng một quy tắc không chính xác trong hệ thống mã hóa tự động của họ đã mã hóa sai đơn vị thuốc được quản lý, dẫn đến 25 triệu đô la doanh thu bị mất. Lỗi đó sẽ không bao giờ được phát hiện và sửa chữa nếu không có con người trong vòng lặp phát hiện ra sai sót.

Tương tự, AI cũng có thể thất bại với kết quả mã hóa quá mức với kết quả dương tính giả – một lĩnh vực mà các tổ chức y tế phải tuân thủ theo nhiệm vụ của chính phủ trong việc chống lại gian lận, lạm dụng và浪 phí (FWA) trong hệ thống y tế.

AI được thiết kế kém cũng có thể ảnh hưởng đến các nhà cung cấp cá nhân. Hãy xem xét những ý nghĩa nếu một công cụ AI không được đào tạo đúng về khái niệm “nhà cung cấp có rủi ro” trong chu kỳ doanh thu. Các bác sĩ có thể thấy mình bị nhắm mục tiêu thêm để được xem xét và đào tạo nếu họ được bao gồm trong các cuộc quét đối với các nhà cung cấp có rủi ro với tỷ lệ từ chối cao. Điều này lãng phí thời gian mà nên được dành để xem bệnh nhân, làm chậm dòng tiền bằng cách trì hoãn các yêu cầu cho các cuộc xem xét tiềm năng và có thể làm tổn hại danh tiếng của họ bằng cách gắn cho họ một nhãn “có vấn đề”.

Giữ Con người trong Vòng lặp

Ngăn chặn những loại kết quả tiêu cực này đòi hỏi con người phải ở trong vòng lặp. Có ba lĩnh vực AI cụ thể sẽ luôn đòi hỏi sự tham gia của con người để đạt được kết quả tối ưu.

1. Xây dựng nền tảng dữ liệu mạnh mẽ.

Xây dựng một nền tảng dữ liệu mạnh mẽ là điều quan trọng, vì mô hình dữ liệu cơ bản với siêu dữ liệu, chất lượng dữ liệu và quản lý là chìa khóa để cho phép AI đạt được hiệu quả tối đa. Để điều này xảy ra, các nhà phát triển phải dành thời gian để hiểu đầy đủ về các quy trình làm việc và dữ liệu cần thiết để thực hiện các nhiệm vụ của họ.

Phát hiện bất thường hiệu quả đòi hỏi không chỉ dữ liệu hóa đơn, từ chối và yêu cầu khác mà còn hiểu về sự tương tác phức tạp giữa các nhà cung cấp, người mã hóa, người lập hóa đơn, người trả tiền, v.v. để đảm bảo công nghệ có khả năng liên tục đánh giá rủi ro trong thời gian thực và cung cấp cho người dùng thông tin cần thiết để tập trung các 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 tăng tốc triển khai mô hình AI của họ bằng cách sử dụng các công cụ sáng bóng, điều này sẽ dẫn đến việc AI tạo ra những ảo tưởng và kết quả dương tính giả sẽ gây ra tiếng ồn và cản trở việc áp dụng.

2. Đào tạo liên tục.

Quản lý chu kỳ doanh thu y tế là một nghề liên tục phát triển đòi hỏi giáo dục liên tục để đảm bảo rằng các chuyên gia hiểu về các quy định, xu hướng và ưu tiên mới nhất. Điều tương tự cũng áp dụng cho các công cụ RCM được hỗ trợ bởi AI. Học tăng cường cho phép AI mở rộng cơ sở kiến thức của nó và tăng độ chính xác của nó. Đầu vào của người dùng là rất quan trọng để tinh chỉnh và cập nhật để đảm bảo các công cụ AI đáp ứng nhu cầu hiện tại và tương lai.

AI nên được đào tạo trong thời gian thực, cho phép người dùng cuối cung cấp đầu vào và phản hồi ngay lập tức về kết quả của các tìm kiếm thông tin và / hoặc phân tích để hỗ trợ việc học liên tục. Nó cũng nên có thể cho người dùng đánh dấu dữ liệu là không an toàn khi cần thiết để ngăn chặn việc khuếch đại nó ở quy mô lớn. Ví dụ, gán mất tài chính hoặc rủi ro tuân thủ cho các thực thể hoặc cá nhân cụ thể mà không giải thích đầy đủ tại sao việc đó là phù hợp.

3. Quản lý phù hợp.

Con người phải xác thực đầu ra của AI để đảm bảo nó an toàn. Ngay cả với mã hóa tự động, một chuyên gia mã hóa phải đảm bảo AI đã “học” đúng cách để áp dụng các bộ mã cập nhật hoặc xử lý các yêu cầu quy định mới. Khi con người bị loại khỏi vòng quản lý, một tổ chức y tế để lại mình rộng mở cho việc rò rỉ doanh thu, kết quả kiểm toán tiêu cực, mất uy tín, và nhiều hơn nữa.

Không có gì nghi ngờ rằng AI có thể biến đổi y tế, đặc biệt là RCM. Tuy nhiên, để làm như vậy đòi hỏi các tổ chức y tế phải tăng cường đầu tư công nghệ của họ với đào tạo nhân lực và lực lượng lao động để tối ưu hóa độ chính xác, năng suất và giá trị kinh doanh.