当涉及到远程医疗账单时，存在一个难题。随着远程医疗的日益普及——即通过电子通信技术提供医疗服务，而医生和患者不在同一地点——这一现象引发了问题。在提交账单时，现行的方法未能量化不同的医疗专业知识和经验水平。
这使得俄亥俄州的远程医疗账单系统（如同全国其他地区）变得不可持续，辛辛那提大学卡尔·H·林德纳商学院的副教授Dong-Gil Ko博士表示。Ko正致力于利用人工智能和电子健康记录解决这一问题。他的工作最近发表在美国医学信息学协会期刊上，旨在创建一个更公平、更有效的账单模型。
目前基于时间的账单模型造成了补偿不公，低估了经验丰富的医生的价值。那些拥有更多专业知识、能够快速提供准确答案的医生可能得到的报酬比那些花费更多时间回应但知识较少的医生还少。这种系统不公平地奖励低效率，未能认可认知判断和专业知识的价值，导致高水平医生尽管提供了高质量的护理却收入较低。
为了解决这些不足，Ko与辛辛那提大学健康数字官Umberto Tachinardi博士及辛辛那提大学医学院内科医生兼研究员Eric J. Warm博士合作。他们利用辛辛那提大学健康系统的数据，结合人工智能和电子健康记录，开发了一种新的账单模型，该模型不仅考虑医生的时间，还考虑他们的临床判断和专业知识。
“我们能否根据医生的专业知识和身份来评估其价值？”Ko说，“医生经过多年严格的医学培训，积累了专门的知识。让我们承认这一点，并找到衡量的方法。通过这样做，我们可以创建一个平衡的账单模型，既考虑时间也考虑医疗专业知识。”
俄亥俄州现行的医疗账单代码自2023年起生效，根据医生通过安全消息系统回答问题所花费的时间支付费用。如果医生的回答时间少于五分钟，则服务免费；如果超过五分钟，则根据时间长短收费。
“有经验的医生由于其专业知识可以快速回应，但由于现行账单模型重视时间而非技能，他们的收入反而较低，”Ko说。“相比之下，刚毕业的住院医师可能因经验有限而花费更长时间回答相同的问题，从而可以向患者收费。”
这不仅可能导致专家的收入减少，还会削弱医生与患者之间的信任。它迫使医生在没有可靠方法衡量工作量的情况下做出账单决策。
“医生不会用秒表来测量响应时间，有些问题可能需要多次会话才能解决，这使得账单决策更加复杂，”Ko说，他创立了林德纳商学院的第一个研究实验室。
此外，患者是否会因此被收费的不确定性可能会阻止他们联系医疗专业人员。这破坏了护理的连续性，延迟治疗，可能导致更差的健康结果。
“我们需要平衡，”Ko说，“账单中必须同时考虑时间和医疗专业知识。”
随着生成式人工智能逐渐融入医疗实践，Ko预计远程医疗账单挑战将增加。虽然人工智能可以提供更快的解决方案，但医生仍需验证其响应，并投入时间维护和操作这些系统——这些努力必须得到补偿，以避免增加医生的职业倦怠。
“在早期阶段，验证人工智能辅助响应至关重要，”Ko说。
Ko的人工智能系统可以通过分析医生的行为更好地理解和衡量他们的专业知识，为更公平的补偿提供框架。他对机器学习模型的测试结果一致，展示了更准确评估医生专业知识和回答患者询问所花时间的潜力。
“基于时间的指标受到限制，特别是在生成式人工智能引入的情况下，这种模型不可持续，”Ko说。
展望未来，Ko设想了他的研究将有更广泛的应用。他希望创建一个系统，在提交问题之前预测患者是否会被收费，并从患者数据中挖掘见解以改善护理结果。
通过结合人工智能和创新研究，Ko的工作可以改变远程医疗账单，确保医生获得公平的补偿，同时改善患者的护理结果。他计划于2025年与医疗系统试点该项目。
(全文结束)
