在1969年，心理学家菲利普·津巴多进行了一项著名的实验。他在两个不同的社区停放了两辆完全相同的汽车：一辆在高犯罪率的布朗克斯区，另一辆在安静富有的帕洛阿尔托。
停在布朗克斯的汽车很快被破坏并被拆卸一空。而帕洛阿尔托的汽车则完好无损。但随后津巴多打破了它的一扇窗户。几天之内，这辆曾经完好的汽车也变得同样破败不堪。
津巴多的“破窗理论”表明，未经管理的环境会导致系统性功能失调。我认为医疗保健领域正面临类似的困境。前期授权是一个过时且碎片化的流程，已经成为特殊药物领域的“破窗”——被忽视、令人沮丧，并悄悄地消耗着资源。
但与20世纪60年代不同的是，我们现在有了可以解决这些问题的工具。我相信人工智能不仅能够修补这个系统，还能彻底重新构想它。
问题出在哪里
特殊药物的前期授权通常需要手动管理——经常涉及传真和电话。医生报告说，他们每周要花费12到15个小时来处理这些任务，这可能导致治疗延误、收入损失和员工疲惫。
对于等待化疗或克罗恩病生物制剂的患者来说，这种延迟不仅仅是不便——它可能改变他们的生活。
人工智能如何改变游戏规则
在这一领域，人工智能不仅仅是一个流行词；它已经产生了实际影响。以下是我见证的人工智能在医疗保健领域实现的功能：
- 实时资格检查，通过分析患者的保险信息，在处方输入时立即进行。
- 预测性拒绝预防，标记不完整或不符合要求的请求，以防止它们被提交。
- 自然语言处理，从电子健康记录、实验室结果和附件中提取临床数据，无需手动输入。
- 在支付者门户网站上自动提交和跟踪，主动提醒缺失的信息。
在我的直接经验中，我看到人工智能将批准时间从10到14天缩短到了2到3天。这不是理论——这是我们在合作的实际诊所中看到的结果。
实践中的应用
但人工智能不能孤立工作。要成功实施，提供者应该：
- 从高摩擦区域（如肿瘤学、风湿病学和罕见疾病）开始，这些领域前期授权频繁且紧急。
- 尽早让临床人员参与，识别工作流程中的痛点。
- 选择可以直接集成到电子健康记录中的AI工具，而不是强制使用新的用户界面。
- 定期审查审计日志，并根据当地支付者的模式调整AI模型。
信任与合规
在医疗保健领域使用人工智能提出了合理的问题：它会遵守《健康保险流通与责任法案》吗？我们能否信任它做出临床推断？答案是肯定的，但需要监督。
最好的AI工具是透明的、可解释的，并且内置了防护措施。供应商应提供加密、基于角色的访问控制和SOC 2合规性。同样重要的是：员工需要接受培训，不仅学习如何使用这些工具，还要学会质疑和验证其决策。
人的层面
基于员工需要质疑AI决策的需求，人工智能不是来取代人的；它是来减轻他们的负担的。它是那个永不睡觉、永不感到压力且不会忘记支付者规则的助手。
在医疗保健背景下，我将其视为一种力量倍增器，增强了药剂师、提供者和护理协调员的作用。
当我们在一个多站点提供者集团引入人工智能时，最令人惊讶的反馈不仅是节省了时间，还包括士气的提升。护士和协调员表示，他们终于可以重新专注于患者了。
展望未来
未来的前期授权不再是消除它们，而是使它们隐形。人工智能系统将在我们需要之前知道需要什么。它们会起草文件、发现漏洞并平滑来回沟通。
但这只有在我们及早并审慎地采用时才会发生。前期授权长期以来一直是摩擦源。人工智能赋予我们修复“破窗”的能力——不是用胶带临时修补，而是进行真正的结构性变革。下一步取决于我们。
(全文结束)
