机の引き出しにある生成型 AI: 収益管理

このシリーズの前の記事では、次のトピックを紹介しました。 ヘルスケアのバックオフィスにおける生成 AI。 この記事では、ヘルスケア生成 AI のユースケースを見ていきます。

医療における新しいテクノロジーが償還の分野で急速に登場するのは驚くべきことでしょうか? 支払いはすべてのマネージャーにとって常に頭を悩ませる問題です。

請求

アビシェク・シャルマ氏、ビジネス変革担当責任者 敏捷性は、支払者は医師がなぜ安価なCTスキャンではなくMRIを注文したのか疑問に思っており、その決定を正当化するには患者の医療記録や臨床人口統計上の履歴の正確な詳細を厳選する必要があると述べている。

Dushyant Mishra 氏、共同創設者兼 CEO 迅速な請求は、臨床機関のコストの 5 ～ 10 パーセントが請求と収益管理に費やされると述べています。 病気と状態の国際 ICD 分類は、 ICD-9 の約 13,000 コードから ICD-10 の 68,000 コード。 ICD-11 はすでに正式化されていますが、広く使用されていません。

人間のプログラマーが最も適切なコード (直訳すると、償還を最大化する可能性が最も高いコード) を見つけることを期待するのはあまりにも無理があります。 そのためには、症状、検査結果、および支払者がコードを検証するために必要なその他のデータの履歴記録を確認する必要があります。

さらに、コードは日常的に追加および削除され、支払者はコードの承認基準を変更します。 ミシュラ氏によると、支払側はコードの扱い方が異なり、条件を分離する場合もあれば、結合することを好む場合もあるという。 人間のプログラマーには継続的なトレーニングが必要です。 これはAIの教科書的なユースケースです。

アンナ・トゥーミー氏、ヘルスケア担当シニアディレクター SS&C ブループリズムでは、人間のプログラマーが見逃してしまう可能性のある微妙な点の例を示しています。 たとえば、複数の薬が 1 回の投与量として請求される場合があります。 彼女は次のように述べています。「さらに、バンドルされた手順とバンドルされていない手順の決定は、請求に大きな影響を与えます。 人間のアナリストには、バンドルされた手順のすべてのステップが考慮されているかどうかを確認する時間が常にあるとは限らず、請求が漏れている可能性があります。 Generative AI は、特にロボティック プロセス オートメーション (RPA) と組み合わせた場合、これらの手順を綿密に分析して、関連する料金をすべて特定して適切に請求できるようにします。 ある組織では、生成 AI によって 1 四半期に 100 万ドル以上の未払いのお金が回収されました。」

大規模な資金調達ラウンドを発表したばかりの RapidClaims は、自動化された医療コーディングに焦点を当てています。 ミシュラ氏は、プログラマーのワークフローを変更する必要はないと言う。 RapidClaims によってもたらされる効率により、臨床医は処理するカルテの数を 100% 以上増やすことができ、償還の迅速化につながります。 図 1 は、RapidClaims ダッシュボードを示しています。

私の経験では、請求の迅速化は患者にとってもメリットをもたらすことを示唆しています。 ずっと前に忘れていた検査や処置の費用を請求される突然の請求書を受け取ったことが何度ありますか?

RapidClaims は現在 ICD-11 に焦点を当てており、同社のサービスにより臨床医の移行がはるかに容易になると考えています。

アクシャイ・シャルマ氏、最高AI責任者 歌詞、メディケア・メディケイド・サービスセンター（CMS）、州、および民間支払者が、新しい薬、病気、および症状に応じて臨床政策文書の大規模なコレクションを定期的に発行することで、請求のルールを複雑な複数層の保険契約として説明しています。出現する。 何千ページものポリシーを月に 1 回程度評価する必要があります。

「私たちは文書の変更による真の影響を長期的に明らかにすることができます」と彼は書いています。 「言語モデルを使用した非構造化テキストに基づく推論」と呼ばれるこのアプローチは、文書内の特定の抜粋を明らかにします。 これらの抽出は人間の専門家に提示され、ポリシーの形成に役立つフィードバックを提供できます。

私が彼に、規制当局が独自の概要を作成するのは理にかなっているのではないかと提案したところ、彼はそうなってほしいが、そうするインセンティブはない、と言いました。

Lyric の AI は、数十年にわたって構築された膨大な知識のコーパスに基づいており、これまでに行われた判決の決定を説明することもできます。 Sharma 氏は次のように書いています。「AI ベースの出力は、フィードバックを提供できる専門家によってレビューされ、モデルの改善に役立ちます。 専門知識パックは、支払者が正確な設定を導入できるように構築されています。」

コード生成に生成 AI を使用する計画もあります。 Sharma 氏は、「このテクノロジーはテスト ケースと基本コードの生成を支援し、最終的には継続的に進化するポリシーの市場投入までの時間を短縮します。」と述べています。

ヨウ素ソフトウェア最高製品および技術責任者のプリティ・シャー氏によると、AI を使用して症例管理と医療上の必要性の文書化をサポートする利用レビューを合理化し、その結果、保険金請求の拒否が減少しました。

事前の承認と異議申し立て

請求に次いで、事前の承認と異議申し立てが管理者の注目を集めます。 Doug Ross は副社長であり、米国の生成 AI 責任者です。 ソゲット、キャップジェミニの一部。 同氏は、事前の承認リクエストへの入力はタイプごとに異なり、生成 AI は必要な入力がすべてリクエストに存在するかどうかをチェックできると述べています。

エクスペリアンヘルス 彼らのを解放した AIのアドバンテージ このプログラムは、大規模プロバイダーを対象としており、収益サイクル管理のためのさまざまなサポートを提供しています。 同社の最高製品責任者であるクラリッサ・リギンズ氏によると、同社のサービスの 1 つは拒否のトリアージであり、どの拒否が異議申し立てを成功させる可能性が最も高いかを判断することです。

リギンズ氏は、承認を得るのは簡単ではなく、特定の支払者がどのように反応するかに関する知識、つまりスタッフが時間をかけて学習する「固有の知識」に依存すると述べています。 彼女は、生成 AI が役立つ「if…then…else」の意思決定が数多くあると述べています。 このような複雑さは、患者が複数の保険プランや慈善団体などの他の資金源を持っている場合に発生します。

また、Abhishek Sharma 氏は、プロバイダーが医療記録から必要なデータ ポイントを要約して、カスタマイズされた異議申し立てレターを生成するために Generative AI を利用するのに Sagility がどのように役立つかについても説明します。 逆に、Sgility は、LLM ベースの分類子を使用して受信した異議申し立てをより正確に識別し優先順位付けすることで支払者を支援し、必要に応じて優先ステータスまたは緊急ステータスの割り当てを可能にします。

資源管理

AIを求めて創設者兼 CEO の Sarah Nagy 氏によると、同社は自然言語処理 (NLP) インターフェイスを提供しており、スタッフが「先週と比べて今週は何人の患者を診察しましたか?」など、さまざまな質問をして即座に回答できるようにしています。 図 2 は、Seek AI からの典型的なレポートを示しています。

Nagy 氏は、Seek AI のモデルはデータの入力言語認識において世界で最も正確であると主張しています。

契約の生成

HSブロックス は、契約モデリングと契約ビルダーを含む価値ベースのケア管理 (VBCA) プラットフォームを提供します。 CEO のラーフル・シャルマ氏は、このプラットフォームには既存の契約を処理したり、従来のデータセットをデジタル化することで関連データを抽出できる柔軟性があると説明してくれました。 同社は、生成 AI を使用してこのプロセスの中間段階を構築しています。 過去の契約に基づいて大規模言語モデル (LLM) をトレーニングすることで、生成 AI は過去のパターンに基づいて新しい契約を生成し、その後レビューして最終化することができます。

プラットフォームはその入力をいくつかの段階を経て渡します。 まず、コントラクト モデラーは、ルールベースのエンジンとクエリ ビルダーを組み合わせて使用します。 マイクロソフトのPower BI。 感度分析は入力変数を変更することによって実行され、価格、適用範囲、有効期限などの変数の特定の範囲と値の組み合わせに応じて決定の結果が決まります。 LLM は、複雑で長い契約の個々のコンポーネントを分析して、特定の値を抽出できます。

契約がモデル化されると、エンドユーザーは契約モデラーからの情報を使用して、さまざまなユースケースに合わせて契約を構築できます。 エンドユーザーは、契約モデリング段階で行われた感度分析に基づいて、ライブラリから既存の契約を複製して編集し、新しい契約として保存することもできます。 Sharma 氏は、「この情報は数秒以内に抽出でき、使いやすいワークフローで提示されるため、ユーザーは数日以内に契約を完了することができます。」と述べています。

同氏は、フィールドを匿名化することで患者情報を安全に保存、管理、使用するために、IEEE が推奨するアーキテクチャに基づく「データ プライバシー ボールト」を使用していることを強調しました。 匿名化されたデータは LLM に安全に送信できます。

次の記事では引き続き興味深いものを紹介します 医療のバックオフィスにおける生成 AI の使用。