赫尔西·怀斯，Lyric 首席执行官 – 采访系列

赫尔西·怀斯，Lyric 首席执行官，在医疗保健技术、软件和金融服务领域拥有近三十年的高管领导、董事治理和价值创造经验。在 2022 年加入 Lyric 董事会后，他担任首席执行官，专注于扩大 Lyric42 平台的规模，深化客户和合作伙伴关系，推动创新和人工智能投资，并通过有机增长和战略并购推动增长。怀斯曾担任六家公司的首席执行官或总裁，包括 Intergraph 和 MedAssets 的上市公司领导职位，并曾担任 Cotiviti、Cerner、Aspen Technology 、Acxiom、Nextech Systems、Lyric 和 WellSky 等主要技术和医疗保健组织的董事。他还担任 Lime Barrel Advisors 的董事长和首席执行官，TPG Capital 的高级顾问，并共同领导一个家庭基金会，支持奖学金、食品安全、退伍军人服务和医疗保健事业。

Lyric 是一家医疗保健决策智能公司，专注于通过应用政策、数据、人工智能、临床审查和可解释的决策支持来改善医疗计划的付款准确性。其 Lyric42 平台旨在帮助医疗计划在规则、工作流程、付款完整性产品和人工智能驱动的推荐之间协调付款决策，目标是减少行政浪费，提高首次付款准确性，降低提供商摩擦，并为客户提供更多透明度，以了解为什么做出付款决策。该公司将其人工智能方法定位为增强人类专业知识，而不是取代它，结合自动化、临床验证、治理和客户控制来支持更一致和有根据的医疗付款决策。

您曾领导和咨询过主要的医疗保健和企业技术公司，包括 MedAssets、Cerner、Cotiviti 和现在的 Lyric。您的经验如何塑造您对 Lyric 的愿景？

在我领导或咨询的每家公司中，一个信念变得更加坚定：医疗保健不能没有信任、真相和透明度作为其基础。这些不是软价值。这些是更好医疗保健系统赖以运作的条件。每个计划、提供商和成员都受到潜在智能是否可信、信息是否反映真相以及决策背后的推理是否足够透明以承受审查的影响。

这种信念塑造了我对 Lyric 的思考方式。我在 2022 年加入 Lyric 的董事会，然后担任首席执行官，我当时的理解现在更加坚定。我们在 Lyric 建立了一家最具创新性、影响力和重要性的医疗技术公司。

Lyric 是医疗保健决策智能。几十年的临床和付款专业知识、深厚的客户关系和在全国范围内运营的平台为我们提供了很少有公司在医疗保健领域拥有的基础。付款是今天最高风险的表达，但更广泛的机会是为医疗保健领域的人们提供技术和洞察力，以便他们能够更早、更有信心地做出更好的决策，服务于更好的医疗保健，最终服务于患者。

我也深信医疗保健决策属于人类。临床判断、政策解释和问责制不能外包给模型。人工智能可以做到的是告知和支持做出这些决策的人。它可以表面上以前被规模和复杂性掩埋的信号、趋势和异常。它可以突出看起来不一致的地方、模式出现的地方或需要更仔细审查的地方。人工智能在医疗保健中的作用是：扩大人类的视野并加强人类的判断力，而不是取代它。

Lyric 在过去几年中将其技术栈重建为一个基于云的人工智能平台，支持支付操作，覆盖 1.9 亿人。这种转变涉及的最大架构或组织挑战是什么？

Lyric 起源于一个较大的组织的剥离。我们继承了遗留的基础设施，以及令人难以置信的客户关系和几十年的运营专业知识。

在过去几年中，我们从头开始重建技术基础。挑战不仅仅是现代化基础设施，而是将 30 年的付款准确性业务演变成现代的医疗保健决策智能平台，同时保持可解释性、可审计性和可信任性。

核心原则是确保在现代化技术的同时不会中断业务。我们利用 Lyric42 的高级功能确保迁移高度准确，并与我们的医疗计划客户密切合作，创建一个安全、安全的过渡。

从架构上讲，我们从静态预先确定的顺序转变为支持首次付款决策的实时智能，支持工作流程。同时，每个结果都必须保持透明、基于政策和可解释性。

当我们将客户迁移到新平台时，我们支持 2 亿人的支付操作，通过一个统一的智能架构，表面上更早地提供洞察力，减少浪费，并支持更一致的决策制定。

您认为医疗保健付款需要从事后追回转向事前智能。是什么技术突破使这种转变在规模上成为可能？

事后追回到事前智能的转变现在是可能的，因为医疗保健终于拥有了大规模工作流数据、云基础设施和能够在高度复杂的索赔环境中区分信号和噪音的人工智能的组合。

历史上，大多数系统都是为分析付款后发生的事情而构建的。今天，我们可以在工作流程中更早地应用智能，在错误、争议和浪费通过系统之前。

从功能角度来看，Lyric 引入了预付审查的智能选择，确保在时间至关重要的计划和提供商之间，索赔不会被不必要地延迟付款。通过我们的智能审计平台，我们还使需要人工审查的索赔可以在几小时或几天内处理，而不是传统流程可能需要的几周或几个月。

这些技术突破，加上 Lyric42 内的高级编排，已经解锁了医疗保健决策智能，以实现预付准确性，通过将人工智能、政策和专家临床审查相结合，支持准确、可解释的首次付款决策。重要的是，这只有在规模上保持透明、可审计和基于人类的问责制时才有效。

您认为为什么人工智能本地系统将在未来十年内从根本上超越传统的“记录系统”？

传统的医疗保健系统主要是为记录事务和支持回顾性审计而设计的。它们从来没有被设计为支持在工作流程内的智能驱动的决策制定。

医疗保健现在需要能够在现代付款操作所需的规模、速度和复杂性上运行的智能系统。现代医疗保健决策智能系统的优势不仅仅在于应用人工智能，还在于将政策、数据、人工智能和专家审查相结合，支持更一致、可解释的实时决策。

未来的优势将属于能够从运营工作流程中持续学习，同时保持透明、可解释和可问责的系统。医疗保健不能没有人类专业知识运作，所以目标不是自主决策。目标是用可信的智能来增强人类决策。

Lyric 将自己描述为一家建立在几十年临床专业知识基础上的付款完整性人工智能公司。专有医疗保健数据和历史索赔智能在医疗保健领域建立防御性人工智能系统中有多重要？

专有索赔智能和工作流数据在医疗保健中至关重要，因为通用模型单独无法支持大规模准确、可解释的付款决策。

Lyric 的平台支持约 2 亿人，并建立在几十年的运营索赔智能之上。这种知识和背景很重要，因为它反映了政策如何应用、争议如何出现、错误如何发生以及付款工作流如何在现实世界中表现。

工作流集成、几十年的临床专业知识和长期索赔智能的组合创造了不仅更准确，而且更可解释和操作可审计的系统。

在医疗保健中，智能只在人们可以理解、验证和有信心采取行动时才有意义。

医疗保健人工智能中最大的担忧之一是治理和可解释性。随着人工智能承担更多付款决策责任，实际操作中有效的人类环节监督是什么样的？

对于我们来说，人类环节不是一个流行词；这是我们的架构。人工智能是一种我们用来增强人类决策的工具。

您可以在我们的内容创作工作中看到这一点。我们在 Lyric42 平台上构建了 Studio42 内容创作体验，遵循每个规则和编辑必须是确定性的原则。人工智能帮助我们的团队审查大量的政府、行业和研究材料，识别相关模式，并提出建议。但人工智能不会成为真相的来源。真相的来源是基于原始材料和人类临床专业知识。

每个规则和编辑都是为了可追溯和可审计而设计的。临床专家在内容进入生产之前审查和验证工作，我们还跟踪所有更改的完整历史，因此很明显规则或内容是否来自特定的政府、行业或研究来源。

这就是有效监督在实践中的样子：人工智能帮助扩大规模和信号检测，临床专家验证工作，系统保留从原始材料到审查内容的清晰审计跟踪。同样重要的是，我们的客户保留对是否和何时实施通过平台提供的内容、规则或建议的完全控制。

在医疗保健中，风险太高，重要的决定不能仅由机器或模型做出。在 Lyric，我们相信人类专业知识、判断力和问责制必须保持基本的，不是事后补充的，应该从一开始就设计到架构中。

医疗保健浪费仍然是美国系统中最大的成本驱动因素之一。您认为人工智能可以在不对患者护理产生负面影响的情况下最快地在哪里产生可衡量的影响，以减少不必要的支出？

医疗保健占美国 GDP 的约 20% ，而其中 25% 是浪费。浪费的大部分归因于系统复杂性，而不是欺诈或故意浪费。

这正是我们构建 Lyric42 平台的原因。它将索赔流程从付款后追回模式转变为预付/预索赔智能，允许医疗计划首次正确付款。

医疗保健浪费的很大一部分来自于多个利益相关者之间不一致的智能，这导致了不必要的拒绝和重新提交、手动审计的强度增加以及提供商上诉的增加，而最终的付款并没有发生重大变化。

浪费来自于没有正确的时间和地点的智能。Lyric 为医疗计划提供了决策智能和建议，经过验证和支持临床知识，以帮助识别明显的错误和不一致性（编码、单位、捆绑、医疗政策对齐）。我们在付款之前这样做，这减少了浪费和错误编码，减少了反复和上诉的来回。

Lyric 的平台越来越多地将自动化、预测分析和人工智能辅助工作流集成到索赔操作中。我们距离大部分医疗保健付款工作流程自动化的未来有多远？

在接下来的十年里，我们将看到大多数付款工作流程中的任务都是自动化的。但是，监管和合规要求将继续需要明确的问责制，这意味着可以识别的人和组织责任。人工智能、自动化和预测分析将简化医疗保健付款工作流程中的繁琐日常任务，包括验证数据、识别模式和实时推荐行动。在索赔的第一次通过中，敏感、高影响或模糊的决策将保持在人类审查之下。

医疗保健从根本上与许多行业不同，因为问责制很重要。付款决策影响提供商、计划、患者/成员和整个医疗保健生态系统的财务结果。

我们并不是在构建一个完全自治的付款人工智能。我们正在构建医疗保健决策智能，旨在增强人类决策。

未来不是自治医疗付款。未来是支持人类仍然负责决策和结果的可解释智能。

许多企业仍然在隔离的试点中尝试人工智能。是什么因素将成功运用人工智能的组织与仍然停留在概念验证模式的组织区分开来？

区别在于，成功的组织并不把人工智能当作一系列孤立的试点。他们把人工智能当作一种运营能力和推动力。

这需要比强大的模型更有基础的投资，包括工具、监控、治理和工作流程设计。在我们的经验中，人工智能只有在技术支持周围的治理流程时才会扩大规模，而且当人工流程被重新设计为围绕人工智能启用工作流程时。您需要明确的所有权、执行赞助、运营对齐和人工智能在生产中的性能反馈循环。

最后一点至关重要。运用人工智能的组织并不在部署后停止。他们监控性能，分析结果，找出系统需要改进的地方，并不断改进。人工智能成为运营节奏的一部分，而不是一次性实施。

在 Lyric，我们在内容创作等领域看到了这种模式。我们专注于首先做对一个领域，拥有合适的工具、控制、监控和人工审查。一旦基础证明成功，我们就可以使用相同的底层方法扩展到其他领域。这与运行一个在演示中看起来很好但永远无法在实时运营的复杂性中生存的概念验证非常不同。

停留在试点模式的组织经常低估这种复杂性。他们可能会在狭窄的数据集或受控工作流程上测试模型，但他们不会将人工智能连接到具有必要的治理、监控和变更管理的真实运营中，以维持它。成功的组织首先建立基础，证明一个重点领域的价值，然后以纪律的方式扩大规模。

展望未来，您认为医疗保健人工智能的长期赢家将是拥有最好的独立模型的公司，还是拥有最深的运营集成、工作流数据和医疗保健生态系统网络效应的公司？

在医疗保健中，长期赢家不会是拥有最好的独立模型的公司。他们将是拥有最深的运营集成、最丰富的工作流数据和医疗保健生态系统中最强的网络效应的公司。

模型将继续改进，许多能力将在时间的推移中变得更加普遍。更难以复制的是嵌入式工作流位置、长期索赔智能和跨医疗计划、提供商和合作伙伴的信任关系的组合。

Lyric 的平台涵盖了大约 2 亿人的生命，并建立在几十年的专有付款准确性智能之上。由于我们嵌入工作流的早期，并且在护理后和付款前运营，我们对真实交易流有可见性，而不仅仅是静态数据集。这种工作流和结果数据的深度有助于人工智能区分信号和噪音，并从趋势分析转向预测、推荐和行动。

感谢这次精彩的采访，希望了解更多的读者可以访问 Lyric。