美国罗得岛州普罗维登斯和加利福尼亚州圣何塞，2024 年 9 月 19 日/PRNewswire/ - 欺诈、浪费和滥用（FWA）长期以来一直是美国医疗保健系统中的一个具有挑战性的问题，导致成本上升和患者护理受损。今天，来自 Personify Health、Health at Scale、麻省理工学院和密歇根大学的研究人员宣布了一项关于减少医疗保健保险索赔中 FWA 的新的同行评审研究。发表在《NEJM Catalyst 医疗服务创新》上，该研究强调了 Personify Health（行业首家个性化健康平台公司）部署的人工智能驱动技术的成功，在八个月的时间里减少了 1180 万美元的已支付索赔金额。
主要研究结果包括：
- 超过一半的标记索赔减少 - 54%被标记进行后续临床审查的索赔支付金额减少，每个标记索赔平均节省 3916 美元，总计超过 1180 万美元，占总支出 9.813 亿美元的 1.2%。
- 在所有金额范围内都有显著减少 - 在不同的索赔价值范围内都观察到了显著的减少，包括低成本但高容量的医疗保健服务：
- 超过 50000 美元的索赔：58%的这些高成本索赔支付金额减少，每个索赔平均节省 20513 美元。
- 5000 - 49999 美元的索赔：56% - 68%的这些索赔支付金额减少，平均节省范围从低金额索赔的 1504 美元到高金额索赔的 10420 美元。
- 低于 5000 美元的索赔：42%低于 5000 美元的索赔支付金额减少，每个索赔平均节省 236 美元。
- 专业领域在减少方面名列前茅 - 10 种服务类型占总支出的 56%，但占所有标记索赔的 64%。在每个标记索赔的支付金额平均减少方面，心血管手术（平均减少 10332 美元）、重症监护服务（10332 美元）和肌肉骨骼手术（9604 美元）最为显著。
Personify Health 的首席战略官贾斯汀·特兰（Justin Tran）表示：“这项研究突显了传统的基于规则和高额阈值的 FWA 识别方法所留下的巨大节省空间。在过去十年中，使用人工智能对抗 FWA 一直是许多人的关键投资，但大多数模型仅提供了渐进式的改进，未能充分发挥作用来改变流程。通过实时的、基于人工智能的 FWA 筛查，我们正在为医疗保健利益相关者释放大量的节省和运营改进。我们现在看到了实时人工智能解决方案在打击 FWA 和促进具有成本效益、以患者为中心的医疗服务方面的变革潜力。”
由于美国医疗浪费的估计年度成本超过一万亿美元，该研究强调了医疗保健行业迫切需要创新方法来防止在不必要的服务和超额支付或管理不善的索赔上超支。此外，FWA 分析通常侧重于手动审查高额索赔（10 万美元或以上），而对低额索赔中的 FWA 基本上未进行检查。到目前为止，在资金支出之前，没有人解决这个问题。
对社会弱势群体的影响
FWA 对弱势群体的影响不成比例，加剧了这些群体之间的健康差距。该研究强调了人工智能在保护服务不足的个人免受不合格和有害的医疗保健实践中的作用。研究人员发现，基于人工智能的 FWA 索赔筛查导致社会弱势群体平均每个索赔节省 3973 美元，避免不适当的医疗保健报销增加了 18%。
Health at Scale 的首席研究作者兼联合创始人兼首席执行官 Zeeshan Syed 表示：“在付款后处理 FWA 可能是一个痛苦、耗时的过程。但不仅仅是花费的美元，还可能由于提供者的错误、不良行为和不必要的护理导致负面副作用或健康并发症而造成伤害。通常，不准确的索赔和不适当的护理未被注意到 - 特别是在护理选择有限的弱势群体中。通过利用更有效的 FWA 筛查方法，我们可以保护不成比例受到影响的弱势群体，并帮助创建一个更公平的医疗保健系统。”
要获取完整的研究，请访问《NEJM Catalyst 医疗服务创新》2024 年 10 月期的“通过实时基于人工智能的筛查减少欺诈、浪费和滥用：部署的前瞻性结果”。
研究方法
进行了一项前瞻性的 FWA 研究，以评估使用人工智能驱动技术减少 FWA、提高可负担性、增强安全性以及确保社会弱势群体公平获得医疗保健的潜力。研究人员分析了 2022 年 7 月 1 日至 2023 年 3 月 31 日期间，美国最大的第三方管理员（现为 Personify Health，原名 HealthComp）收到的来自超过 276,000 名雇主赞助健康计划成员的 260 多万份专业和机构索赔。然后应用 Health at Scale 的商业可用实时基于人工智能的技术，在预付款期内查找超过 4000 美元阈值的索赔中的 FWA。
通过结合成员的医疗病史（包括急性和慢性健康诊断、程序、处方和订单）以及其他相关护理经历（包括所见提供者、设施和护理设置）的背景，基于人工智能的系统能够高精度地标记索赔中的违规行为，并特别关注高额异常。然后，标记的索赔根据金额、服务类型和由健康社会决定因素参数确定的成员子组进行特征描述。
关于 Health at Scale
Health at Scale 使用先进的人工智能来推动智能、超个性化、上下文感知的医疗保健服务和管理。由来自麻省理工学院、哈佛大学、斯坦福大学和密歇根大学的机器学习和临床教师创立，该公司在广泛的用例中为医疗保健带来了精度，包括：预防浪费、滥用和欺诈，减少医疗和药物错误，提供者导航和网络策划，以及早期有针对性的预测和预防不良结果。如需更多信息，请访问 healthatscale.com。
关于 Personify Health
Virgin Pulse 和 HealthComp 已合并成为 Personify Health，这是一家致力于让人们过上更健康生活的公司。通过将行业领先的健康计划管理、整体福祉和导航解决方案整合在一个地方，我们创建了行业首个也是唯一的个性化健康平台。凭借数十年的经验和全球运营，我们以更低的成本让多元化和独特的企业以及多元化和独特的个人更深入地参与健康。通过我们专有的数据驱动个性化、科学支持的方法和礼宾级临床专业知识的组合，我们的端到端平台使更主动地满足人们一生中的需求变得更容易。通过个性化、整体和强大的简单体验，我们正在重新定义行业期望和管理健康的意义。了解更多信息，请访问 www.personifyhealth.com。
