支払者が AI を使用して請求とデントプロバイダーの収益を拒否する方法

医療費の償還が進化するにつれて、病院は新たな課題に直面しています。支払者は請求管理に人工知能 (AI) をますます活用しています。多くのプロバイダーは、請求の審査に AI ツールが使用されていることを認識していない可能性があり、これらのシステムはプロバイダーの利益を念頭に置いて構築されていません。 AI はプロセスを合理化する可能性を秘めていますが、収益サイクルにおける AI の現在の使用により、特に支払者が医療上の必要性の判断を遡及的に検討するために AI を使用することが多いため、請求の拒否や支払いの遅延が増加し、不服申し立ての必要性が高まっています。この AI 主導の状況を乗り切るために、病院はこれらのシステムに固有のバイアスやエラーと戦うための専門知識を開発する必要があります。

透明性の欠如

請求処理における AI の最大の問題の 1 つは、透明性の欠如です。支払者は AI が使用されていることを明らかにしたり、AI がどのように動作するかを説明したりすることはめったになく、プロバイダーはこれらの AI システムを駆動するアルゴリズムを認識していないことがよくあります。このため、病院には AI が生成した否認に異議を唱えるための情報がほとんどありません。

これらの否認の背後にある論理を洞察できなければ、病院は、特に異議申し立てによる追加の管理負担を考慮すると、不利な立場に置かれます。たとえば、AI 監査は、病院がデューデリジェンスを完了し、認可を受け、保険金の支払いを受けた後に頻繁に行われます。 AI システムは、その請求を遡及的に再評価し、医療上の必要性が満たされていなかったと判断する可能性があります。これは支払いの取り消しにつながる可能性があり、病院は当初承認された請求に異議を唱えるためにさらに多くのリソースを費やす必要があります。つまり、AI を活用した支払い後監査により支払いが遅れ、病院と支払い者間の信頼が損なわれ、病院は財政的負担にさらされることになります。

時間が重要です

請求が却下されると、病院はいつでも控訴できるようになる。控訴には多大なリソースと、申し立てが拒否された理由の明確な理解が必要です。

最初は承認を必要としないが、医師が腫瘍や病変を発見した場合に外科的処置となる診断手順を検討してください。たとえ状況が自然に進展し、どの医師も同じように行動したであろうとしても、事前承認がないために AI がその主張を自動的に拒否する可能性があります。こうした AI による拒否を早期に発見できなければ、病院は大幅な収益を失う可能性があります。

同様に、医師が治療を継続する必要があると述べた場合でも、承認された期間を超えて化学療法や放射線治療が継続される場合、AI アルゴリズムは化学療法や放射線治療を拒否する可能性があります。適時に再認可がなければ、病院は多大な経済的損失を被る危険があります。

AI 対 AI: 負ける戦い?

支払者の AI 拒否に対抗するため、一部の病院は請求を処理するための独自の AI ツールを導入しています。これは良い解決策のように思えるかもしれませんが、逆効果になる可能性があります。支払者の AI システムはますます洗練されており、熟練した人間ではなく別の AI システムによって対抗された場合にそれを検出できることがあります。支払者システムは自動応答を信頼性が低いと認識して見落としたり拒否したりする可能性があるため、これによりさらに拒否が発生する可能性があります。

AI には、訓練を受けた臨床医と同じように医療の複雑さを解釈する能力がありません。 AI システムが互いに戦うと、その結果、エラーが続出し、アピールの機会を逃すことがよくあります。人間の監視なしに AI に過度に依存している病院は、逃れるのが難しい否定のサイクルに陥る可能性があります。支払者の AI は、人間の専門知識が存在しないことを認識し、拒否をさらに積極的に行うようになる可能性があります。

AI の課題に取り組む

AI がもたらす困難にもかかわらず、病院は収益への影響を軽減するためにいくつかの措置を講じることができます。

1. 人間の専門知識を活用する: AI エラーでは人間の介入が必要になることがよくあります。 AI 関連の否認を予測するように訓練された臨床医と収益サイクル チームは、徹底的な文書とコンテキストと組み合わせることで、否認を減らし、異議申し立ての成功率を向上させることができます。
2. アルゴリズムを理解する: 病院は、AI システムがどのように機能するかを理解する必要があります。カルテを注意深く分析し、医師と明確にコミュニケーションを取り、拒否の根本原因を特定することで、将来の問題が発生する前に防ぐことができます。
3. 新しいシステムに適応する: 病院は、支払者の AI アルゴリズムによって導入された新しいスコアリング システムに適応することで、拒否を減らすことに成功したケースもあります。たとえば、ある病院では、支払者の AI が使用する新しいスコアリング システムを理解し、それに適応した結果、敗血症関連の請求拒否が大幅に減少しました。この積極的なアプローチにより、病院は治療ごとに数千ドルを節約しました。
4. パターンを認識し、積極的に行動する：病院は拒否のパターンを特定し、それに応じてプロセスを調整する必要があります。承認期間が限られていることが多い化学療法などの治療法の再承認を積極的に確保することで、承認失効による収益損失を防ぐことができます。

将来を見据えて

請求処理において AI が果たす役割がさらに大きくなるにつれ、病院は否認、監査、控訴に関連する増大する課題に直面することになります。ただし、これらの課題は、人間の専門知識とテクノロジーのバランスをとることで、収益サイクル管理を改善する機会でもあります。支払者 AI がどのように動作するかを理解し、請求プロセスにおける人間の監視を確保することは、病院が誤って拒否することを減らすのに役立ちます。

AI が支援することはできますが、複雑な医療請求の管理には依然として人間の判断が不可欠です。病院は拒否と戦うために AI ツールに過度に依存しないようにする必要があります。臨床専門知識と戦略的アプローチを組み合わせて支払者の AI 主導の意思決定に対処することで、病院は収益をより適切に保護し、拒否の増加による高額な結果を回避できます。

最終的には、収益サイクルのプロセスにおいて強力な人間的要素を維持している病院は、AI による請求拒否の課題をうまく乗り越え、財務実績への影響を最小限に抑えることができるでしょう。

画像: トゥムサセドガーズ、ゲッティイメージズ

この投稿は、 メッドシティのインフルエンサー プログラム。誰でも、MedCity インフルエンサーを通じて MedCity News でヘルスケアにおけるビジネスとイノベーションに関する視点を公開できます。 方法を確認するにはここをクリックしてください。