医院在收入周期竞赛中正逐渐落后，这源于一系列不利因素的叠加——预算限制、过时的系统、人员配置困难以及收入周期团队承受的巨大工作量。
与此同时，支付方利用人工智能技术，能够在几秒钟内分析并拒绝理赔申请，进一步拉大了领先优势。医院在拒付处理上每年耗费超过250亿美元和无数工作时间，却仍不断落后。随着拒付案例的增加，支付方的技术优势愈发明显，尤其是在关乎医院财务命脉的理赔申请被拒付或延迟支付的结果方面。
除非医院能迅速找到挽回这些损失的方法，否则其财务状况将变得更加岌岌可危。在推进患者护理的同时，医院如何在人工智能战场上竞争，以重掌收入周期控制权并挽回数以亿计的损失资金？
幸运的是，医院拥有一个金矿：丰富的患者数据集。这些数据包含了加速收入周期所需的所有信息。临床文档完整性（CDI）团队是这项工作的主力，他们仔细分析患者病历与费用申报，确保准确记录所提供的护理服务。但仅一次住院就能产生数万个数据点，对于临床诊断复杂的病例，数据量更大。
大量复杂、非结构化数据以及二级病历审查的问题，可以通过某大型医疗系统转型医学总监的经历来说明。在运行查询以确定该医疗系统中有多少患者患有心力衰竭时，这位总监发现，尽管许多患者接受了针对该疾病的治疗——特定高剂量的利尿剂——但由于数据量庞大且格式复杂，心力衰竭的诊断和编码不知何故从未被录入他们的病历中。
尽管CDI团队的准确性令人印象深刻，但单凭一个人不可能在合理的时间内逐行检查电子健康记录（EHR）中的结构化字段，以识别新的收入机会。此外还有非结构化数据：医生笔记和出院总结中包含有关所提供护理的额外有价值信息。医院需要一种方法，帮助其团队在庞大的医院数据海洋中精准定位关键信息，确保不遗漏任何内容。他们需要一种技术，既能对整个行业产生规模化影响，又能适应现实世界医疗数据和操作的复杂性。这就是人工智能的用武之地。
为了充分利用其数据，医院可以将临床文档工作与人工智能相结合。这意味着分析所有患者数据（包括结构化和非结构化数据），在提交给支付方之前加强理赔申请。这些账单在首次提交前就具备了捕获所有应得收入所需的准确性和细致度。
这种由人工智能赋能的优势不仅是有益的，更是医院财务未来的必需品。选择正确的AI工具——例如，那些具备处理复杂医疗数据所需的内置临床敏锐度的工具——可以帮助医院捕获数百万美元的净新增收入，同时提高质量评分。
增强理赔前CDI分析以提升医院收入
专为增强CDI团队工作而设计的临床人工智能可以帮助医院重写其财务和技术故事。这意味着在收入周期早期引入人工智能，确保所有提交给支付方的理赔申请完整且准确。
由于缺乏简便方法来分析复杂的EHR数据，医院通常依赖出院总结进行计费。这种策略存在问题：出院总结是以笔记形式书写的，文档不清晰意味着高达25%的诊断代码可能被遗漏。例如，在一个医疗系统中，40%的非结构化笔记未提及导致脓毒症诊断的生命体征，尽管几乎所有EHR中都有记录。CDI团队必须与临床医生反复沟通以填补空白，完成理赔申请。然而，AI模型可以快速、全面地分析100%的患者EHR数据与非结构化笔记，即时揭示加强文档的机会。
无论理赔申请中是否包含遗漏的代码或不准确之处，AI都会向人类CDI审查员标记改进机会，并附上用于提供建议的证据。CDI团队和医院领导者可以利用这些洞察来决定是否调整理赔申请。当理赔申请提交时，医院已处于最佳位置，能够捕获所提供护理的所有收入。规模化应用后，这可能意味着数百万美元的净新增收入和更好的质量评分。这是一种医院可以立即采用的变革性技术，以提高其收入产出。
成本应该是多少？
建议资金紧张的医院投资新技术听起来可能矛盾。一些AI工具价格高昂，且缺乏证据支持其效率或成本节约的主张，技术解决方案过度承诺而交付不足的历史不容否认。
CDI解决方案则不同，尤其是那些具有透明报告、明确详细说明成本、节约和投资回报率的解决方案。机器学习的进步使AI既能像医生一样思考，又能弥补经常导致收入未被充分挖掘的计费缺口。而收回的收入可能意味着数百万美元重新回到医院预算中，收入周期的改进很快就能超过技术成本。
面对医院的财务危机，人工智能有能力以美元和工作流程效率的形式推动真正的变革。通过在其自身数据集中主动部署人工智能技术，医院有机会扭转局面。这不仅将使医院在收入周期方面与支付方处于平等地位，还将使其转变为技术创新者，使其处于变革的前沿。
【全文结束】