Выбор правильных методов для правильного ИИ для ускорения предварительной авторизации

Поскольку искусственный интеллект быстро меняет рабочие процессы в здравоохранении, выбор правильного типа ИИ для важных процессов здравоохранения никогда не был более важным. Существуют сильные и ограниченные стороны использования аналитического, генеративного и прогнозирующего ИИ в клинических и административных условиях, особенно при наличии предварительных разрешений.

В условиях усиления контроля со стороны регулирующих органов и роста требований к скорости, соблюдению требований и ясности понимание тонких различий между подходами к искусственному интеллекту имеет важное значение как для плательщиков, поставщиков услуг, так и для пациентов.

Аналитический ИИ

Аналитический ИИ применяет детерминированную логику, основанную на правилах, к структурированным данным. Он превосходен в сценариях, где прозрачность, проверяемость и соблюдение требований имеют решающее значение. При предварительном выдаче разрешений это означает использование руководств, основанных на фактических данных, и рамок, основанных на политике, для принятия решений, которые можно отслеживать и проверять.

Аналитический ИИ идеально подходит для таких процессов, как клиническое кодирование, проверка утверждений и предварительное разрешение, поскольку эти задачи требуют точности и соблюдения нормативных требований. ИИ следует использовать для автоматизации утверждений только тогда, когда клиническое соответствие очевидно. В случаях двусмысленности или сложности решения должны быть переданы на рассмотрение лицензированным врачам.

Генеративный ИИ

Генеративный ИИ создает новый контент, такой как текст, изображения или даже синтетические данные, на основе шаблонов, извлеченных из больших наборов данных. Его сила заключается в обобщении, составлении проектов и диалоговых интерфейсах. В здравоохранении генеративный ИИ может упростить административные задачи, такие как создание обучающих материалов для пациентов или обобщение длинных клинических записей. Однако он не подходит для решений, требующих строгого соблюдения или детерминированных результатов, поскольку его результаты являются вероятностными и их трудно отследить или проверить.

Применение генеративного ИИ для предварительного разрешения приводит к неприемлемому риску. Это не означает, что GenAI не играет никакой роли в управлении использованием. Это абсолютно так. Но эта роль подходит для вспомогательных задач, не связанных с принятием решений.

Прогнозирующий ИИ

Прогнозирующий ИИ использует исторические данные для прогнозирования будущих событий или поведения. В здравоохранении прогностические модели могут выявлять пациентов с риском развития хронических заболеваний, прогнозировать повторную госпитализацию или оптимизировать распределение ресурсов. Эти идеи помогают врачам вмешаться раньше и улучшить показатели здоровья населения.

Прогнозирующий ИИ является мощным средством планирования и предотвращения, но его рекомендации всегда должны сочетаться с человеческим суждением, чтобы избежать непреднамеренной предвзятости.

Почему Gen AI — неправильный выбор для предварительного разрешения

Процесс предварительного разрешения находится на стыке медицинской необходимости, клинического заключения и соблюдения политики. Определение медицинской необходимости требует абсолютной ясности, соблюдения политики плательщика и полной проверяемости; стандарты, которые генеративные модели не могут гарантировать.

Решения, основанные на переменных результатах, могут поставить под угрозу целостность регулирования, подорвать доверие к поставщикам услуг и в конечном итоге повлиять на уход за пациентами. По этим причинам генеративный ИИ играет вспомогательную, не решающую роль, а не является основой клинических данных и обеспечения соблюдения медицинской политики.

Регулирующие органы уже внимательно изучают «отрицания ИИ» и предостерегают планы здравоохранения от непрозрачных или непроверяемых систем принятия решений. Окончательное правило совместимости CMS и предварительной авторизациивступающий в силу в 2027 году, требует большей прозрачности и совместимости в единой системе обмена сообщениями. Это включает в себя документирование причины каждого отказа, предоставление обновлений статуса в режиме реального времени и обеспечение четкой и точной связи между плательщиками и поставщиками услуг.

Почему аналитический ИИ — правильный выбор для предварительного разрешения

Аналитический ИИ обеспечивает детерминированную структуру, которая гарантирует, что каждое решение можно отследить, объяснить и проверить. В отличие от генеративных или прогнозирующих моделей, которые полагаются на вероятностные результаты, аналитический ИИ применяет структурированные правила и клинические данные для получения последовательных и обоснованных результатов. Этот подход не заменяет человеческое суждение; это возвышает его. Устранив рутинные утверждения из клинических очередей, аналитический ИИ ускоряет выполнение работ, снижает административную нагрузку и позволяет врачам практиковать с максимальной эффективностью.

В контексте предварительных разрешений аналитический ИИ подразумевает использование интеллектуальной информации, соответствующей политике, которая оценивает структурированные клинические данные, представленные в пункте оказания медицинской помощи, на соответствие кодифицированной медицинской политике, чтобы определить, соответствует ли услуга критериям для немедленного одобрения, ожидания рассмотрения или передачи на рассмотрение главному врачу.

Как аналитический ИИ работает при предварительном разрешении

Работая в тесном сотрудничестве с группами клинической политики плана медицинского страхования, аналитический ИИ может быть встроен в процесс предварительной авторизации, чтобы плательщики могли модернизировать единую систему обмена сообщениями, не жертвуя клинической целостностью.

Вот что происходит за кулисами при применении аналитического ИИ при предварительной авторизации:

• Целевые клинические вклады: Модель оценивает только клинические данные, имеющие отношение к логике принятия решений и политики. Это позволяет избежать шума, уменьшить предвзятость и улучшить согласованность.
• Применение логики политики: В нем применяется логика политики, специфичная для плана, которая была систематизирована в детерминированные пути принятия решений, основанные на клинических данных.
• Ограниченное решение: ИИ генерирует только определенные, согласованные с политикой рекомендации (обычно утверждают, ожидают или эскалируют), гарантируя, что решения будут держать людей в курсе.
• Прозрачная отслеживаемость: Поскольку результаты основаны на клинических данных, каждая рекомендация может быть проверена и объяснена шаг за шагом со стороны плана и поставщика услуг.
• Эскалация при необходимости: Если рекомендацию невозможно дать с уверенностью, запрос помечается для клинической экспертизы на людях.

Это не просто автоматизация. Это интеллектуальная система, которая рассматривает каждый запрос по существу, обеспечивая поставщикам ясность и готовую к аудиту запись о решениях планов медицинского обслуживания.

Путь вперед

Поскольку ИИ продолжает развиваться, планы медицинского страхования будут засыпаны решениями, обещающими «исправить» предварительное разрешение. Многие из них будут включать в себя красивые демонстрации, яркие модные словечки и генеративные инструменты, которые выглядят впечатляюще, но им не хватает строгости, специфичности и управления, которых требует здравоохранение.

Чтобы отделить сигнал от шума, плательщики должны задать правильные вопросы:

• Может ли эта система показать мне, как принималось каждое решение?
• Использует ли он мою медицинскую политику или опирается на исторические закономерности?
• Делает ли он прогнозы или применяет систематизированные пути принятия решений?
• Передается ли клиницистам, когда случаи требуют экспертизы?

Если ответ не ясен, риск есть.

Генеративный ИИ может быть подходящим методом для решения многих проблем в здравоохранении, но при предварительном разрешении лучше использовать аналитический ИИ.

Фото: MirageC, Getty Images

Это сообщение появляется через Влиятельные лица MedCity программа. Любой может опубликовать свой взгляд на бизнес и инновации в здравоохранении в MedCity News через влиятельных лиц MedCity. Нажмите здесь, чтобы узнать, как.