人工智能正在改变我们生活的许多方面，临床领域也不例外。虽然AI在直接患者护理中的应用仍处于早期阶段，但其在收入周期管理（RCM）中的应用有望加速运营效率，为常见的行政和耗时挑战提供有前景的解决方案。2023年12月的一项由Akasa进行的研究表明，74%的医院和卫生系统在其收入周期中使用自动化，其中46%报告称他们还使用了AI。然而，医疗实践在采用这些技术方面稍显缓慢。2024年2月的一项MGMA研究显示，62%的医疗实践已经自动化了多达40%的RCM操作。本系列文章的第一部分讨论了患者体验中AI的考虑因素。本文探讨了AI技术的应用如何推动效率提升和改善现代临床实践中的现金流。
AI、机器学习和自动化在RCM中的应用
理赔处理是一项繁琐且重复的任务，但对于最大化报销至关重要。这种手动数据输入和分析是AI和机器学习的经典用例，机器可以比人类更快、更准确地完成。增强型AI理赔审查对于提高理赔处理的准确性和效率至关重要。算法可以通过检测和纠正错误来提高首次通过的清洁理赔率，并在提交理赔前增加对最新法规和特定支付方规则的遵守。机器学习可以分析大量数据，识别模式并增强决策能力。最近一篇《Healthcare IT News》的文章支持这一用例，指出“了解导致拒付的情况以及如何在发生前捕捉或预测这些拒付，是利用AI和理赔结果数据构建和训练模型的绝佳机会。”
基于AI的预测分析可以根据历史数据和当前趋势预测收入，优化人员配置，并预测患者付款模式，以改善现金流管理。这些算法会随着时间的推移不断学习，提高准确性和质量。自动化可以简化手动数据输入和重复任务，如患者资格审查、理赔提交和自动发布解释福利（EOBs）信息。增强型AI技术可以识别、分类和解决理赔拒付，帮助减少解决时间和收入流失。“随着市场动态的变化，我们看到了利用人工智能和机器学习创造上游效率的巨大机会，将收入周期管理过程从几天缩短到几分钟，为提供者和患者带来便利。”Nextech的产品管理副总裁Hannah S. Barber, MBA表示。
AI和自动化推动效率和现金流
AI可以通过自动化常规任务显著减少临床工作人员的行政工作量，使员工有更多时间从事增值活动，专注于患者护理。此外，自动化系统减少了人为错误，减少了手动干预和纠正的需要，提高了RCM的整体效率。通过优化RCM，AI可以直接影响实践的财务健康。麦肯锡公司的一项研究表明，部署AI和自动化可以节省数十亿美元的医疗支出，其中一些节省来自行政职能（包括RCM）或非临床医疗服务部分（包括预约、与保险公司协调护理、文档和理赔或账单裁决）。例如，提高首次通过的清洁理赔率可以加快报销速度，稳定现金流。预测分析可以提供更准确的财务规划和预算编制，以及对未来收入流的更好洞察。Tucson眼科协会的总裁Michael Diesenhouse, MD表示：“我认为自动化对于我的实践的财务成功和改善患者护理至关重要。迅速上升的员工成本和实践中物理空间的限制可能会对我们扩展业务的能力产生负面影响。”
利用外包RCM合作伙伴的优势
将RCM外包给专门的服务合作伙伴可以带来多项优势，包括人员支持和可扩展性。外包合作伙伴通常使用先进的技术和AI工具，而这些工具对许多独立实践来说成本过高。通过与RCM合作伙伴合作，实践可以利用当今最创新的技术。“医疗保健领域的新兴AI技术具有变革潜力，但其高昂的成本和复杂性往往使许多独立实践望而却步。”Assembly Health的医师RCM负责人Samantha Akhtarzandi表示，“通过与RCM合作伙伴合作，实践可以利用原本无法获得的尖端解决方案，获得必要的创新，以提高效率和患者护理。”
AI和金融创新在临床领域的整合正在改变RCM，使其更加高效、准确和成本效益。自动化、AI驱动的理赔审查和机器学习是推动这一转型的关键组成部分。此外，外包RCM易于实施、成本效益高且可扩展。通过拥抱这些创新，医疗实践可以改善现金流，减少行政负担，最终提升患者护理水平。
(全文结束)
