收入周期管理是医疗保健领域应用人工智能最强有力的用例之一。收入周期管理中的人工智能已经帮助医疗机构减少了索赔拒绝，甚至在一开始就防止了这种情况的发生。这些解决方案还与更快、更准确的数据收集、优化的医疗编码和简化的预授权相关联。
尽管面临人员短缺的问题，医疗机构也在看到人工智能带来的好处。然而，人工智能解决方案有多种形式和规模，收入周期管理中的人工智能已经从机器人流程自动化（RPA）和其他形式的技术发展到了新的阶段。医疗机构越来越多地寻求自然语言处理和生成式AI模型来解决一些医疗管理中的难题。
“如果在收入周期流程中部署正确的技术，那么它将是一个持续带来回报的礼物，”CodaMetrix公司的总裁兼首席执行官Hamid Tabatabaie表示，该公司提供了一个最初在麻省总医院开发的用于医疗编码的AI平台。
但收入周期管理中的人工智能采用仍处于转折点，Tabatabaie继续说道。医疗机构仍需克服实施和操作更复杂形式的人工智能的主要障碍。
从RPA到生成式AI
根据AKASA最近的一项调查，近四分之三的医疗机构至少在收入周期管理的某些部分实现了自动化，其中约有一半使用人工智能进行自动化。在该调查中代表的卫生系统和医院中最常见的自动化技术是机器人流程自动化（RPA）。
Tabatabaie解释说，RPA并不是真正的人工智能。“它基本上是屏幕抓取的艺术，如果一个人在屏幕顶部左侧字段输入键盘指令，系统就会学习他们输入的内容。”
“因此，你可以告诉系统去抓取数据并将其放入另一种形式中。这并不是真正的人工智能，但它被广泛用于非常重复性和事务性的任务。”
医疗机构现在越来越倾向于在RPA解决方案上叠加人工智能，正如30%的医疗财务领导者告诉AKASA的那样。组织也在利用自然语言处理（NLP）。
“NLP已经存在一段时间了，但本质上是教机器理解语言，”Tabatabaie说。“你可以让它知道这个日期是年龄而不是合同终止日期，例如。机器会学会理解这一点，并且它能理解否定。虽然它已经存在了一段时间，但其学习能力有明显的限制。”
Tabatabaie强调，NLP解决方案的好坏取决于你教它们的东西。
这就是为什么医疗机构对高级人工智能功能，如生成式AI感到兴奋的原因。由于ChatGPT的流行，收入周期管理现在瞄准了自学习能力或深度学习的人工智能解决方案，这是有充分理由的。
“这是人工智能的未来，”Tabatabaie说。“通过生成式AI，你可以要求系统做某事或回答问题，它会基于大量的知识去学习并解码，然后根据它在其他地方学到的知识生成答案，而不是依靠人类教授的内容。”
医疗机构正在使用这三种技术，每种技术都有其适用的地方，Tabatabaie说。
“但在收入周期中，如果有合适的解决方案，你最好使用生成式AI，因为临床信息和收入周期信息之间存在很大的差距，”他说。“生成式AI可以查看并从临床方面学习，确定正确的事情，并以更多的上下文填补空白。”
生成式AI采用的现状
大约四分之一的医疗机构仍然依赖于手动流程进行收入周期管理，因此人工智能尚未成为医疗收入周期的标准。然而，大多数医疗财务领导者预计将继续采用自动化解决方案，90%的收入周期领导者预计生成式AI将在医疗编码操作中发挥更大且有益的作用。
Tabatabaie表示，医疗保健正处于收入周期管理中人工智能的转折点。
“早期采用者已经经历了与那些技术不完善的供应商打交道的痛苦，”他详细阐述道。“现在，第二阶段正在进入市场，有几个驱动因素，既有技术上的也有非技术上的。”
从非技术角度来看，医疗组织在行政负担不断增加的情况下缺乏人才。在未来几年内，医疗编码员和其他收入周期工作人员可能会退休。
此外，将任务如医疗编码外包可能无法达到组织所需的质量水平，尤其是在拒赔率上升的情况下。行政任务也导致医生倦怠，推动更多组织自动化任务以减轻工作量。
从技术上讲，使用人工智能的机器可以从数据中揭示收入周期工作人员无法从其数据集中获得的见解，Tabatabaie说。
“机器可以为特定病例查找正确的代码，但我们也可以从中了解更多关于患者和医生的信息，如住院时间、结果和效果，”他解释说。“所有这些数据都可以深入挖掘并获得更多见解。”
这只是生成式AI的开始。医疗机构可能从简单的编码开始使用生成式AI，但当他们发现拒赔模式时，就可以开始预防拒赔。
“此外，当您向Aetna或Blue Cross Blue Shield提交报销案件时，机器可以看到这一点，”Tabatabaie说。“因此，您可以从收入周期中的简单编码转向拒赔预防，然后开始识别患者的护理缺口，例如，如果账单或注册信息缺失。机器可以通过日程安排获取信息，提醒您可能存在问题或需要联系患者。”
将来，生成式AI解决方案甚至可能能够识别前往阳光明媚地区旅行且皮肤癌风险较高的患者，Tabatabaie举了一个例子。
“以一种非侵入性的方式，我们可以利用大量信息来关注患者的福祉，”他说。“皮肤癌患者预订了飞往佛罗里达的航班，因此我们可以联系他们提供护肤产品。”
这种使用人工智能的方式听起来可能很遥远，但实际上是一个现实的可能性。
“就像我们开始使用互联网完成非常琐碎的任务一样，现在你离不开它，我们甚至期望网站和智能手机保存我们的信用卡号码，”Tabatabaie说。“进化已经开始。”
一个明智的建议
人工智能正在改进收入周期管理，并有可能继续沿着优化的道路前进。然而，Tabatabaie表示，人工智能不是魔法；它不会解决收入周期的所有问题。
“如果你给机器提供糟糕的数据，它们要么无法正确完成工作，要么会犯错误，”他解释说。“认为购买一个解决方案就能解决所有问题的想法是错误的。”
医疗机构必须确保技术方面的准备工作到位。“确保信息技术部门已经认可该项目，并保持步调一致，以产生良好的结果，”Tabatabaie说。
历史上，获得收入周期管理中人工智能的认可一直是一个挑战。许多组织优先考虑患者护理或临床工作流程的创新。毕竟，医院的使命是保持患者及其社区的健康。这导致了收入周期中的实施和部署失误。
“关键是要承诺高质量、快速的数据流动，并测量输出以确保其符合你购买它的原因，”Tabatabaie说。
Tabatabaie建议在执行像编码这样的任务时“让人类参与进来”。尽管人工智能和自动化使将临床术语翻译成医疗和计费代码变得更加容易，但医疗编码员仍然是提交干净索赔的关键。
人工智能应该使收入周期工作人员更聪明地工作，而不是取代他们的工作。
“我们一直在面临严重的人才短缺，如果你消除了繁琐的任务，人们可以利用这一点，专注于更困难的病例和任务，”Tabatabaie说。“因此，人工智能公司应该有一个称为‘人在回路’的组件，这样人类可以帮助机器。”
(全文结束)
