Целостность оплаты – это проблема системы, а не сбой данных

Человек, выздоравливающий после операции на сердце дома, шокирован, когда он обнаружил, что его страховка отрицает страховое покрытие для критической части его пребывания в больнице. Когда он изучает то, что произошло, он находит кодекс выставления счетов, который указывает на то, что его операция была факультативной. Но это не было – он был принят через скорой помощи с сильной болью в груди. Ему сказали, что операция была единственным вариантом.

Итак, он звонит в больницу. Они подтверждают, что процедура действительно была необходима с медицинской точки зрения. Тем не менее, из-за одной неправильной записи-тот, который ни один врач пометил, пока он находился в больнице-система теперь рассматривает свою спасительную помощь как «плановую».

Ошибка только оттуда. Оплата отрицается, апелляции запускаются, и теперь мужчина, выздоравливающий после операции, попадает между клинической истиной и административной фантастикой. С точки зрения плательщика, утверждение выглядит здравомыслящим. Все коды технически верны, и документация проверяется.

Проблема появилась только тогда, когда пациент тщательно изучил его счет.

Теперь умножьте этот инцидент на миллионы претензий. Результатом является не просто административные накладные расходы или путаница – это системная неэффективность. Время тратится на исправление данных, расходы на разрешение предотвратимых споров, и доверие уменьшается между плательщиками, поставщиками и пациентами. Несмотря на это, многие продолжают реагировать, накладывая больше чеков или аутсорсинга продавцам, которые обещают найти ошибки после того, как они произошли.

Этот подход касается только симптомов, а не коренных причин. Он подчеркивает более глубокую структурную проблему: зависимость нашей системы здравоохранения от фрагментированных, реактивных процессов, а не упреждающей конструкции системы.

Определение проблемы

Основной антагонист, стоящий за претензиями неточности, не является плохим поведением или неприятным ошибочным классификацией. Виновником являются фрагментированные системы, которые плохо общаются. Поскольку наша система здравоохранения развивалась, чтобы обеспечить более качественную помощь большей – и все более клинически сложной – люди, разрыв между выставленным выставлением, то, что задокументировано, и то, что на самом деле правда, углубилось.

Вот почему административные отходы в здравоохранении все еще превышают 1 триллион долларов в годнесмотря на десятилетия оцифровки и оптимизации поставщиков.

Исторически сложилось так, что разрешение ошибок оплаты считалось неразрешимым. Сложность системы, как известно, затрудняла автоматизацию. Есть больше, чем 700 категорий группы диагноз (DRG)каждый с собственной слоистой серьезностью и логикой ценообразования. В прошлом году Medicare работала более 30 платежных программ в прошлом годуи правила выставления счетов сильно варьируются между больницами и планами здравоохранения. Добавьте непоследовательную клиническую документацию и неоднозначный язык политики, и результат одинаково: ручное примирение информации, которая должна была выровнять с самого начала.

В течение многих лет основным аргументом было то, что эти проблемы ориентированы на данные; Эти лучшие данные, больше аудитов или даже больше кодов решат проблемы целостности платежей. Но ни один объем необработанных данных не может исправить принципиально ошибочный процесс. Данные без выровненных, интеллектуальные рабочие процессы просто создают больше шума.

Планы здравоохранения никогда не имели инструментов для разумного использования шумных данных в масштабе. Но технология изменилась. Сегодняшние системы ИИ могут понимать язык, следить за политической логикой и оценивать сложные клинические и договорные данные в режиме реального времени. Точно так же, как вы хотели бы, чтобы второе мнение от врача до основной процедуры, пациенты и плательщики заслуживают системы, которая дважды проверяет критические решения, прежде чем они создают проблемы вниз по течению.

Оставшийся барьер является культурным, а не техническим. Слишком много организаций по -прежнему предполагают, что целостность оплаты должна быть реактивной. Споры рассматриваются как неизбежные. Ошибки – это то, что нужно исправить позже, а не предотвратить сейчас. Но это предположение устарело.

Принятие упреждающего подхода к оплате

Благодаря достижениям Lightspeed в области искусственного интеллекта, медицинские работники и планы медицинского обслуживания теперь могут иметь инструменты для обеспечения точности оплаты с самого начала. Интеллектуальные системы могут быть обучены, чтобы понять полную картину ухода за участником и выставления счетов, от того, что их политика говорит, до того, что их записные документы до того, что диктует контракт. Люди всегда останутся неотъемлемой частью процесса, причем ИИ обеспечивает быстрое одобрение и усиливает потенциальные несоответствия с соответствующим контекстом для человеческих экспертов для активного обращения.

Речь идет не о замене людей. Речь идет о предоставлении клиницистам и претензиям на командах эквивалент второго мнения в реальном времени-одно, которое не просто обнаруживает ошибки, но может помешать им когда-либо повлиять на опыт пациента.

По мере того, как мы переходим от эпохи «дефицита интеллекта» к «распространению интеллекта», у нас есть возможность переосмыслить, как мы можем использовать вторые мнения по ИИ для большего блага.

Для пациента с хирургией сердца, система, управляемая ИИ, немедленно отметила бы ошибочный код выборной процедуры, сравнивая его с клинической документацией, типом госпитализации и правилами политики. Несоответствие было бы поймано и исправлено до того, как претензия была подана, предотвращая дорогостоящее отрицание, длительный процесс апелляции и глубоко стрессовый опыт для тех, кто пытается выздороветь.

Эти системы ИИ работают путем интеграции потоков данных – клинической, финансовой, политики – и постоянно применяя передовую логику, а не ретроспективно. Выравнивая эти входы вперед, они позволяют экосистеме «сделать это правильно с первого раза», избегая дорогостоящих циклов отрицания и переизбытков.

Этот сдвиг не требует общего капитального ремонта системы. Это требует применения существующих правил четко и последовательно, используя ИИ в качестве инструмента для усиления интеллекта и повышения точности.

Создание этих технологий является тяжелым подъемом, но самое сложное требование будет культурным. Организационное выравнивание требуется, чтобы позволить информации течь через отделы и системы. Шила-будь то данные, департаменты или управляемые процессами-должны быть устранены. Клиническая и финансовая логика должна работать вместе, а не в изоляции.

Вот как мы переходим от реактивной системы платежей к активной. Обеспечивая точность того, что входит в систему, мы устраняем необходимость очистить то, что из этого исходит, – и устранять страх, путаницу и отходы, связанные с неправильными требованиями.

Фото: Lbodvar, Getty Images

Этот пост появляется через Medicity влиятельные лица программа Любой может опубликовать свой взгляд на бизнес и инновации в области здравоохранения в Medicity News через Medicity влиятельные лица. Нажмите здесь, чтобы узнать, какПолем