预授权——在患者接受医疗服务或填写处方之前，医疗计划授予或拒绝覆盖批准的流程——在美国医疗保健系统中发挥着关键作用，使付款人有可能削减不必要的支出。但这一过程充满了挑战，特别是对于必须为患者的预授权请求提供文件和证明的提供者来说。
从历史上看，预授权对提供者来说也是一个重大的监管负担，超过了电子健康记录互操作性和遵守《无意外法案》等现有挑战。虽然提供者的预授权负担很高，有些人表示这一过程是为患者提供护理的主要障碍，但预授权不太可能消失。
解决预授权问题需要利益相关者平衡医疗保健的可负担性和获得优质护理的需求，这并非易事。
然而，由于其交易性质，预授权的某些方面可以实现自动化，行业越来越多地寻求自动化和其他技术驱动的解决方案来简化预授权流程。
人工智能等技术一直被吹捧为解决医疗保健众多问题的解决方案——从自动化医院出院到减轻护士的文件负担。但这些工具的部署可以解决预授权的哪些痛点，医疗保健利益相关者如何有效地采用这些技术而不造成额外的工作流程负担？
在本期《医疗保健策略》中，Basys.ai 的首席执行官兼联合创始人 Amber Nigam 详细介绍了人工智能如何为提供者和付款人简化预授权流程。
Shania Kennedy 自 2022 年以来一直报道与健康信息技术和分析相关的新闻。
对话记录 - 将人工智能引入预授权流程
Amber Nigam：人工智能还可以帮助发现和修复某些可能阻碍，比如说，预授权或使用管理，或任何此类工作流程的障碍，以使这个流程更精简、更快速、更公平。
Kelsey Waddill：预授权是美国医疗保健系统当前框架的关键部分。付款人可能在患者获得某些服务或治疗之前要求预授权，让他们有机会批准或拒绝该程序——并有可能——削减不必要的支出。但这个过程会给提供者带来很大负担，他们必须记录和证实他们的预授权请求，以及他们必须做的其他所有事情。我们的编辑副总裁 Kyle Murphy 与 Basys.ai 的首席执行官兼联合创始人 Amber Nigam 进行了交谈，讨论了人工智能如何帮助解决这一挑战。
Kyle Murphy，博士：您好，欢迎来到医疗保健策略。今天，我们与 Amber Nigam 谈论预授权。Amber，跟我们讲讲您的医疗保健故事：您是如何进入医疗保健领域的，不仅是医疗保健，还有技术？您如何将这两者结合在您目前正在做的工作中？
Nigam：当然，首先，感谢您邀请我。我想说我的医疗保健经验实际上是从我父亲患糖尿病时开始的。我是他的照顾者，我看到了医疗保健中的很多差距。关于技术，我本质上有技术背景。我拥有计算机科学学士学位，并在职业生涯的前五年担任数据科学家。
过去的七年一直在创业，但当我看到这些差距并且我觉得——能做些什么，然后，技术如何能有所帮助？——我真的觉得这是技术可以有所帮助的领域之一。同时，这也是贴近我内心和我自己的经历，或者从我父亲的经历中获得的间接经验，这就是我进入医疗保健领域的原因。
所以在技术方面，就像我说的，我有学士学位。我之前还在数据科学方面申请了三项专利，在麻省理工学院教授了一门名为“医疗保健协作数据科学”的技术课程。所以，就是这样开始融合在一起，直到我和我的联合创始人——我们在哈佛相遇，我们在同一个研究生院项目——我们决定我们应该致力于医疗保健中的一个问题，还有什么比预授权更好的问题，这是付款人和提供者之间的第一步沟通。
Murphy：这是今天大部分谈话的一个很棒的过渡。我真的很感兴趣您在医疗保健预授权流程中看到的一些痛点，以及您认为技术在何处是合适的，或者您认为哪种技术适合这个特定流程？
Nigam：当然。我觉得现在，这个过程相当模糊，说它主观也不为过，因为使用了电话和传真。
在概念层面，数据科学或机器学习和技术可以帮助消除这个过程的歧义，使其更加客观。但如果我要更具体一点，在付款人方面我们有——或者健康保险公司方面——我们有医疗保健政策，有时可能不是很直接，不容易理解。
机器学习可以消除这些政策的歧义，使其非常直接，或者有复选框，而不是人们互相打电话和发送可能模糊的传真。同时，这不仅仅是预授权，还涉及使用管理，如何利用不同的药物和手术等程序来降低成本或控制成本，以便使医疗保健更具可及性。
最后，在付款人方面，有时也涉及解释您的决策过程。所以，这些是付款人方面的一些组成部分。在提供者方面，我们有很多工作流程。对于提供者来说，有太多的工作流程需要管理，这有时会造成很多混乱。
所以，人工智能本质上可以通过提供某种互操作性来帮助简化这些工作流程。同时，个性化在谈论医疗保健时也是关键，因为在医疗保健中没有一种适用于所有人的方法。如果我，作为一个个体，更容易患糖尿病，对我的药物治疗可能与其他人不同。所以，我想说，当我们谈论医疗保健中的不同利益相关者，或者一般的医疗保健时，人工智能有助于揭示很多细微差别。
Murphy：现在您提到了预授权发生的所有不同方式。我们这些受益于消费者领域的人，那里的一切都高度数字化，医疗保健则非常……仍然有一些物理纸张参与，仍然有一些传真参与，仍然有一些手动流程参与，这真的造成了很多滞后。将人工智能应用于这些流程时存在哪些挑战，其中许多流程实际上尚未优化或尚未数字化？
Nigam：是的，我想说有三个方面。一是惯性。即使在底层有机器学习、人工智能或数据科学，您也需要真正采用它，并且摆脱电话和传真——特别是当人们在过去几十年中已经习惯了它们，而不仅仅是几年——这很困难。所以，作为一家技术公司，或者作为一家技术供应商，甚至作为付款人或提供者，您需要有这样的观点，即医疗保健有时与技术领域不同。
同时，即使它被采用，有时在最近的技术中，正如我们所看到的，存在幻觉问题。生成式人工智能有时应该会产生幻觉并生成一些不真实的东西。所以，如果人们看到这样的情况，他们当然会远离技术，因为它就像一个黑匣子——它可能说对，也可能说错。
即使是 0.1%的情况，而人类，比如说，在 1%的情况下犯错，1%仍然是对人类犯错的改进。但我认为在这方面技术有不同的衡量标准。
最后一件事是关于隐私。所以当您使用，比如说，以一种非常快速、打破常规的方式使用技术时，您往往会跳过一些东西。您往往会忽略某些可能极其有害的法规，因为您可能有暴露一些患者或会员相关信息的危险。所以，我想说这三个是我们在采用技术时应该小心的事情。
Murphy：现在，对于预授权在遵守医疗保健法规、所有这些不同标准方面，普通患者或健康计划成员有很多不了解的地方。人工智能如何提高合规性？然后，如果我可以补充一点，它如何可能创造更多的沟通机会，解释为什么某些事情没有以特定的方式出现，或者我们能否识别趋势以避免某些沟通中的失误或故障？
Nigam：当然。我觉得人工智能可以发挥的最重要的部分或角色之一是个性化。也就是说，如果，比如说，作为一名成员，如果我有某些我应该知道的前提条件，并且假设健康保险公司、付款人或提供者更容易知道这些事情，人工智能真的可以突出这些重要细节。所以这是一种方式。
第二种方式是当存在合规性时，通常它们不仅在州级别或联邦级别，还有质量标准。所以，您需要注意这一点。人工智能真的可以帮助叠加不同的标准，并解决预授权查询，确保所有的标准化和法规都得到满足，这对于人类来说可能有点困难。有时当只有人类实体在检查这些时，可能会有点主观。
最后，我想说人工智能还可以帮助识别和修复某些可能阻碍，比如说，预授权或使用管理，或任何搜索工作流程的障碍，以使这个流程更精简、更快速、更公平。
Murphy：作为一家人工智能公司，在涉及——您之前提到了数据隐私，但数据安全，我们显然理解 HIPAA [和] HITECH 在该领域的重要性。不缺少规定您应该如何处理该数据的法规。您还提到了黑匣子之类的东西。您如何确保透明度，同时确保敏感健康信息的安全和保护？
Nigam：这是一个非常有趣的问题，也是我们一直在思考的问题，因为政策一直在变化。但到目前为止，我们在我们的旅程中看到的是一种三重方法。
首先，作为一个组织，您需要建立护栏，不仅在您的级别。有时当您与同行和提供者交流时，您也需要注意他们的护栏，并在此基础上建立您的结构。
您还可以通过审核来建立某些信任的第二种方式。因此，执行这些审核并确保您符合您希望达到的任何护栏真的也很重要。
最后，合规性有一个非常被低估的组成部分，有时会被忽略：互操作性。所以，当您追求互操作性时，您会交换大量信息。所以，如何将这种互操作性与我所说的护栏相结合，消除孤岛并考虑您的数据管道的真正广度，以便没有泄漏真的也很重要。
Murphy：在预授权领域目前正在使用哪些类型的人工智能技术，哪些是最成熟的，然后未来的前景如何？您在哪里看到未来的机会？显然，我们如何定义人工智能真的是我们所处位置的快照。技术，在发展方面，它总是在变化。
Nigam：我认为，对于您的第一个问题，现在更多的是在实施，比如说，人工智能或机器学习之前确保我们有正确的工作流程。确保我们没有遗漏任何东西，因为，就像我提到的，隐私在医疗保健中真的很重要，而且您也不想自动化某些可能对成员或患者有害的情况。
就我而言，我正在谈论自动化拒绝，例如。这太糟糕了，您不能这样做。同时，如果您考虑人工智能以及它现在引领我们的方向，我觉得生成式人工智能具有很大的变革性。同时，我们也必须注意生成式人工智能的缺点。例如，在 Basys，我们……我们刚刚为从生成式人工智能输出中筛选出冗余内容申请了专利，这也使我们与众不同。
所以，注意可能出错的地方——对可能出错的地方非常有条理和系统地处理，然后解决这些问题——真的很重要。还有一些其他方面，技术可能会有所帮助，或者人工智能可能会有所帮助，就像我之前提到的，是互操作性，因为人工智能可以做的很多标准化都可以用于互操作性措施。
第三，也是最重要的事情之一，也是要确保医疗保健，鉴于其传统背景，您需要在实地实施……以便产生任何影响。那么，您如何使用人工智能来减少付款人和提供者之间的摩擦？您如何使用人工智能来确保——即使在付款人组织内，或健康保险公司内——组织能够以非常精简的方式使用您的产品，这对于人工智能的采用非常关键。
Murphy：作为一家人工智能公司在医疗保健领域工作是什么感觉？这个行业在采用新技术方面一直相当缓慢，持高度怀疑态度。您在让人们接受这个想法方面遇到了挑战吗，还是他们已经超越了那个接受阶段，现在看到了可以更战略性地应用人工智能的机会？
Nigam：我认为这取决于您与谁交谈。对于某些人来说，这仍然是一个障碍。仍然存在某种惯性，他们需要将您视为中立方，例如中立供应商。而且您不仅仅是在宣扬，“只要使用人工智能，所有问题都会解决”，而不是，本质上，盲目接受，如果您愿意的话。
但同时，我也看到和观察到的是，人们越来越了解市场上的情况，以及人工智能实际上正在发生的事情，特别是随着生成式人工智能的出现。他们看到了——在不同的行业，不仅仅是在医疗保健行业——生成式人工智能可以有帮助，机器学习可以有帮助。并且有很多自动化的范围。我过去看到的一件事是，尽管付款人或提供者希望有一个中立的系统，而现在通常没有，供应商通常要么面向付款人，要么面向提供者。
在 Basys，我们非常努力地成为那个透明和中立的平台。例如，我们有付款人合作伙伴，我们有一些提供者是我们的投资者，比如梅奥诊所就是我们的投资者之一。然后我们有制药公司，比如礼来公司，他们也是我们的投资者。
所以，这是我们觉得非常重要的一件事。我们也觉得重要的第二件事是每个人都意识到医疗保健非常昂贵，我们需要减轻这种运营负担。我认为这是付款人和提供者共同的痛点。而且我认为我们——鉴于我们的重点是确保减少运营负担，并且本质上……预授权人员实际上正在工作，或者重新调整用途去做他们真正被雇用来做的工作——我觉得这也是每个人都认同的。
最后我还要提到的是政策。鉴于现在政策空间有很多变化，我确实看到在三到五年的时间里，它会开始正常化，它会开始成熟。所以，在五年的时间里，我们几乎可以为至少 70%或 80%的病例实现自动预授权接受。对于某些拒绝，我们也可能有更好的建议。所以，不仅仅是拒绝，还要提出与会员相关的东西。所以，这些是我认为未来几年会发生的一些事情。
Murphy：现在，我们开始这次谈话时您谈到，您正在帮助您父亲治疗他的糖尿病，他的慢性病。您现在对技术改善医疗保健系统的潜力有多乐观？您更乐观了吗？显然，您还在工作，所以我不得不想象您每天都很兴奋地起床去工作。您现在的热情程度如何？您取得进展了吗？
Nigam：我认为现在是 10 倍，因为当我开始的时候，我没有任何背景，我几乎很困惑，我也很担心。因为我父亲，我有很多焦虑，有时他的血糖水平会下降——暴跌——我们不知道会发生什么。当我们安排医生预约时，往往要等很久，有时医生会说他需要这种药物，但他需要先接受某些更保守的治疗。我们不知道那是什么。
现在，知道了所有这些术语，也在政策层面、宏观层面或人口层面了解了通常会发生什么，我认为我在现实中更加脚踏实地，并且拥有技术背景……所以让自己立足于现实真的对我很有激励作用。而且我觉得我更感激医疗保健正在接受我的这个事实，而不是相反。感觉真的很好。我对我正在做的工作，我的团队正在做的工作充满热情，实际上，我很荣幸也很感激能成为这个生态系统的一部分。
Murphy：好的，Amber，非常感谢您今天与我们分享您的经验，我们非常感谢您的时间。
Nigam：非常感谢您，Kyle，邀请我。
Waddill：感谢您，听众，收听。如果您喜欢您听到的内容，请前往 Apple 或 Spotify 给我们留下评论。我们实际上会选择一些评论在节目中朗读以表示感谢。所以，请一直听到最后，因为您可能会被提到名字。
感谢 Mayra W. 对我们节目的评论。Mayra 写道：“很棒的信息！最近发现了这个播客，我被迷住了。一个值得狂欢的节目，谈论了提供者常见问题的日常解决方案，有顶级专家嘉宾分享他们在影响当今医疗保健的这些挑战中的经验。”
我们很高兴能为您带来像 Amber 这样的专家以及其他许多专家，Mayra。感谢您分享您的想法。今天就到这里，但请下周收听我们自己的 Jill McKeon 副编辑关于《医疗技术安全》的及时健康 IT 安全策略。到时见。
