管理支付是影响医疗实践的关键因素之一。以下是人工智能如何缓解行政负担的方法。
收入周期管理（RCM）是一个复杂的多步骤过程。从前端注册到后端支付收集，RCM过程的每一个环节都是推进账单计算和支付的机会，从而减少可能对收入产生负面影响的错误。这一点对于独立实践尤为重要，因为通常只有少数甚至一个人负责整个工作流程。从资格检查、索赔创建和跟踪、拒付管理和支付收集，这些工作量巨大，而且几乎没有犯错或延误的空间。事实上，美国医学会指出，支付管理的挑战是迫使医疗实践出售或停业的主要原因之一，此外还包括人员短缺和因行政负担加重而产生的职业倦怠。
朱莉·兰伯特
（图片来源：Inovalon）
人工智能（AI）在帮助自动化和减轻独立实践的行政负担方面具有巨大的潜力，这些实践比以往任何时候都更加资源紧张。然而，将AI应用于RCM的有效性首先依赖于提高我们对技术的理解，然后是有针对性地确定在整个收入周期中利用AI的最有效机会。
解决常见痛点
根据最近的一项Inovalon调查，资格、预先授权、拒付和患者支付是RCM中最显著的痛点，这些环节正是AI可以提供改进的地方，这并非巧合，因为所有这些步骤都密切相关且通常劳动密集型。
用AI驱动的工作流程取代手动流程可以帮助减少常见的错误。例如，AI可以在各种数据集中快速识别患者的活跃保险覆盖情况，比手动方法更快，从而加速患者获得护理的速度，提高患者对医疗服务的满意度。
此外，使用AI监控员工工作流程可以帮助医生和其他临床医生了解其收入周期中的常见错误。AI可以识别团队最常见的错误，这些错误可能从注册过程的开始到后端索赔创建的错误不等。通过更好地了解团队特有的常见错误，RCM领导者可以更有针对性地解决最昂贵的挑战。
AI还为实践提供了在不增加人员的情况下提高生产力的机会，通过处理常规、数据密集型和行政任务，最终增强员工的工作负荷而不替代人类的专业知识。简化工作流程和减少职业倦怠是医疗保健专业人士在评估AI可以提供最大影响的领域时指出的关键机会，紧随其后的是拒付管理。
减少索赔拒付
AI可以在提交前标记潜在的索赔拒付并提供指导以纠正错误，从而在提高效率的同时防止拒付并增加报销率。
从长远来看，AI可以帮助账单团队从被动管理拒付转向主动预测可能的拒付，这是一个将人类专业知识与经过RCM流程和丰富索赔数据训练的分析相结合的绝佳机会，从而在拒付发生之前有效地解决它们。
桥接AI教育差距的重要性
尽管AI在帮助解决常见挑战和昂贵错误方面的潜力显而易见，但许多医生仍然对将AI融入其收入周期流程持犹豫态度，因此教育是一个良好的第一步。如果RCM领导者深入学习AI——它是如何工作的，分析是基于什么数据训练的，其他组织如何成功地在RCM中应用AI，以及了解模型和用户的固有风险——他们的团队很可能会跟随。
在用户层面，那些对AI有更广泛了解的人在实施时会更好地适应，并更准备好识别和解决风险。员工将意识到使用AI管理繁琐步骤的价值，同时确信他们的工作正在正确进行，并拥抱通过更高效率节省的时间，更好地关注患者和标准工作流程的例外情况，而不是埋头于计算机工作。
建立用户信心至关重要
每个团队成员对使用AI的乐观程度各不相同，因此在RCM团队中建立用户信心对于成功至关重要。根据同一项Inovalon调查，RCM中AI的首要关切包括准确性与可靠性（31%）、缺乏熟悉度/理解（17%）和AI太新/未经测试（15%）。鉴于医疗保健的高风险环境，这些担忧并不令人意外，因为员工专注于最小化风险，同时学习最大化时间和可用工具的价值。
重要的是，实践应记住AI不是静态的；这不是一次实施后就停止学习的解决方案。实践应寻找基于代表性医疗数据集、RCM和临床专业知识构建的模型。随着用户与AI的互动，这些模型会不断学习，随着时间的推移，它们预测和应对收入周期中挑战的能力会不断提高。AI从每天使用这些模型并管理RCM数据的员工那里受益，随着员工完成任务，模型变得越来越准确，进一步帮助实践高效运营，提升临床和财务成果。
此外，专门为医疗保健构建的模型可以帮助缓解对准确性和不熟悉的担忧，因为这些见解不仅通过自动化优化了收入周期，还帮助实践应对不断变化的付款方规则。
现在拥抱收入周期中的AI将决定其长期成功
随着独立实践和大型组织继续扩展对AI的理解，技术也在从他们那里学习。AI需要来自一线人员的输入：管理RCM数据、执行前后端操作并监督整个RCM工作流程的员工。这些输入提高了AI在RCM中的潜在价值，随着技术速度和准确性的提高，同时也建立了用户的更大信任。员工可以看到他们的AI驱动工具随着时间的推移变得更有价值，因为模型学习了他们的数据和独特的工作流程。
最终，现在利用AI的实践，相信技术可以提高效率并用适当的输入引导模型，将在长期内取得最大的成功。尽管AI对许多医生和其他临床医生来说仍然是一个新事物，但很快就会到来，届时实践将普遍实现更高的效率、更少的错误和更多的时间专注于患者，这要归功于AI在其收入周期中的影响。这无疑将使明智的实践与其他仍在手动或基本技术上处理索赔的实践区分开来，使AI采用者更好地应对行业挑战，如不断上升的运营成本和不断变化的患者期望。
朱莉·兰伯特担任Inovalon提供商业务部门的总裁兼总经理，领导向全国数万家提供商组织交付基于云的软件即服务解决方案的组织，赋能他们实现更好的结果和经济效益。她负责管理、产品组合、销售、客户成功、运营和提供商业务的整体绩效。加入Inovalon之前，她在Optum Rx、UnitedHealth Group和Prime Therapeutics担任过多个职务。
(全文结束)
