AI を活用したメディケア アドバンテージ監査準備

監視を強化し、メディケアアドバンテージプランへの過払いを最小限に抑えるために、メディケア・メディケイドサービスセンター（CMS）は、リスク調整データ検証（RADV）に対する機関のアプローチを刷新する新しい規則を2023年に導入しました。このプロセスでは、プランのサンプルからの請求データを患者の医療記録と照らし合わせて精査し、整合性を確認します。

不正確なデータ報告や裏付けのない診断は、監査の不合格、CMS からの返済要求、および潜在的な法的措置につながる可能性があります。しかし、診断の見落としは、メンバーのリスク スコアの不正確さやプランの払い戻しへの悪影響につながる可能性もあります。メディケア アドバンテージ プランは、生成 AI と自然言語処理 (NLP) ツールを使用することで、新しい RADV アプローチによって生じる課題に対応できます。これらのツールを連携させることで、コーディングの精度を向上させ、非構造化データ内の診断情報を明らかにすることができます。AI ツールを使用することで、メディケア アドバンテージ プランは監査対応の運用を作成し、リスク調整検証から肯定的な結果を確実に得ることができます。

リスク調整へのAIツールの適用

従来のリスク調整プロセスでは、文書の手作業による確認とコーディングが必要であり、エラー、不一致、機会損失が発生する可能性が高くなります。ジェネレーティブ AI、NLP、その他の AI ツールは、以下に示すように、リスク調整プロセスの各ステップでデータの収集、集約、分析を自動化し、効率化できます。

• 自動識別と抽出 Gen AI はこのプロセスを合理化し、大規模なデータ プールから人口統計情報、病歴、診断コードなどの最も関連性の高い特徴を抽出します。
• データ品質の向上 検索拡張生成 (RAG) は、生成 AI モデルの効率と精度を高めます。HL7、ICD、CPT、請求データ、メンバーの人口統計などのヘルスケア データ ソースと RAG を統合することで、データの整合性と互換性が確保されます。RAG は、組み込みの検証チェックを通じて、データ内のエラー、不一致、外れ値を検出します。また、修正アクションを提案したり、クリーニング手順を自動化してデータの品質を向上させることもできます。たとえば、請求、エンカウンター、MMR、MAO、ラボ、薬局の請求を組み合わせて生成されるリスク調整データ分析入力は、エンカウンター送信時の精度を高め、重複を排除するのに役立ちます。
• 精度の向上 AI ツールは、CMS コーディング ガイドラインに基づいて、潜在的なコーディング エラーや不一致を特定してフラグを立てることができます。また、Generative AI は、各メンバーの病歴、人口統計データ、その他の関連要因に基づいて、各メンバーに最も適切な診断コードと手順コードを提案することもできます。これらの機能により、コーディング担当者自身の専門知識が強化され、包括的かつ正確なコード割り当てが保証され、誤ったリスク スコアの防止に役立ちます。プランでは、エラーの発見をプロバイダーやコーディング担当者と共有して、将来のコーディング精度を向上させることもできます。
• クエリの優先順位付け 従来のランダム選択アプローチの代わりに、生成 AI ツールは医療コーダーやレビュー担当者からの問い合わせを分析し、有効性が高いと思われる問い合わせを優先することができます。これにより、コーダーや監査担当者によるスマートな監査が強化され、重要な問題に注意を集中することでレビュー プロセスが合理化されます。
• 自動応答 ジェネレーティブ AI は、臨床文書を分析し、情報内の潜在的なギャップ、曖昧さ、または矛盾を特定できます。その後、医療提供者からの説明要求を自動的に生成できます。このプロセスは、コードの不確実性に積極的に対処し、最終的なコードが患者の健康状態を正確に反映するようにするのに役立ちます。
• リスク調整モデルの開発 NLP ツールは、医療提供者のメモや医療記録内のパターンや関係性を見つけることができます。これらの洞察により、医療保険プランは重要なリスク要因を特定し、管理対象集団の履歴、臨床、管理データに基づいてより正確な予測モデルを開発できます。プランは、メンバーとのデジタルエンゲージメントやアンケートで同じ洞察を使用して、メンバーの健康状態をよりよく把握し、患者の評価中に隠れた状態を発見する方法について医療提供者に提案することができます。
• 動的リスク評価 AI はデータをリアルタイムで分析し、変化する健康状態に基づいてリスク スコアを動的に調整できます。この柔軟性により、リスク調整の適時性と精度が向上します。
• 償還の最適化 プランでは、AI を使用してさまざまな支払いシナリオをシミュレートし、モデル パラメータとアルゴリズムを微調整してリスク予測の精度を高め、より正確な定額支払いとリソース割り当てを実現できます。たとえば、生成 AI は、特に糖尿病と神経障害の報告と糖尿病のみの報告など、HCC コードが複数の診断の組み合わせである可能性がある場合に、ドキュメント全体でコードを識別できます。2 つのコードの RAF は大幅に異なります。
• コンプライアンスと監査サポート 医療保険では、AI を活用して、メンバーの医療記録に記録された病状と請求や診療データに反映された病状を比較することで、一般的な RADV 監査を超えるリスク スコア監査を実施しています。この分析により、コードの不一致が減り、財務上の影響を計算するのに役立ちます。また、「常に監査に対応できるシステム」により、包括的な財務レポートと予測売掛金の自動生成も可能になります。

AI ツールをコーディングと監査ワークフローに統合するメディケア アドバンテージ プランでは、日常業務の精度、効率、コンプライアンスを向上させることができます。また、データの品質に自信を持ってリスク調整監査を受ける体制も整います。最も重要なのは、メンバーの健康状態に関する洞察が継続的に得られるため、質の高い成果を達成しやすくなることです。

写真：ウィタヤ・プラソンシン、ゲッティイメージズ

この投稿は MedCityインフルエンサー プログラム。誰でも MedCity Influencers を通じて、医療におけるビジネスとイノベーションに関する自分の見解を MedCity News に掲載できます。 方法を知るにはここをクリックしてください。