AI ベースのシステムにより、フレズノの地域医療センターの請求拒否が減少

フレズノの地域医療センターにとって、他の多くの医療施設と同様に、拒否は常に苦痛の源であり、その管理は継続的な苦闘となっています。

問題

フレズノの地域医療センターで患者金融サービスのディレクターを務めるエリック・エッカート氏は、およそ過去10年間で、支払者は遅延戦略を強化しており、その方法の1つは拒否をすることだった、と述べた。

「この量の増加は、私のチームの作業負荷の増加につながります」と彼は説明しました。 「これまでのワークフローの多くが、この新たなレベルの拒否量に対処するには十分に効率的ではないことはわかっていました。この状況により、私たちは社内で実装できる新しいシステム、またはベンダーベースのシステムを使用するシステムを探し始めました。

「過去5年間、私たちはスタッフの報告体制を合理化し、否認報告を改善し、 EHR ワークフローの更新 「さらに、上流での拒否を防ぐことにも重点が置かれています。」と彼は続けました。

ポジティブな変更がすべて実装されたにもかかわらず、エックハルト氏は、改善への取り組みがこれで終わりではないことを認識していました。 チームは、ツールボックスに追加する新しいツールを探し続ける必要がありました。

提案

エックハルト氏は、2022 年後半に手形交換所のベンダーから、保険請求の提出前に拒否を予測し、受信した拒否を「回復の確率」スコアでスコアリングする新しい AI ベースのシステムのベータ テスターになるよう打診されました。

この新製品の両方の部分では、フレズノの地域医療センターの保険金請求と支払者の送金データを使用して、支払者がどのように請求を拒否し支払っているかを把握しました。

「ベンダーが私たちの手形交換所だったので、データはすぐに入手でき、私たちからの追加の努力は必要ありませんでした」とエックハルト氏は述べました。 「拒否予測ツールは、決済機関からの請求の編集/拒否と同じ EHR への直接接続を使用したため、追加のプログラミングは必要ありませんでした。同様の経路が「回復の確率」スコアにも使用されました。

「このツールを使用することで、フロントエンドでの申し立てを止めることができ、否認のきっかけとなる可能性のある未解決の項目を修正する最後のチャンスが得られました。」と彼は続けました。 「これにより、私たちの請求チームは、再調査が必要な領域を指摘するツールを使用できるようになりました。」

また、拒否が実際に発生した場合、フォローアップ スタッフはスコアリング ツールを使用して、最初の異議申し立て後にすぐに支払いが行われる可能性が高い分野にワークフローを誘導するのに役立ちました。

「これらのツールの全体的な目的は、すべての拒否を排除することではなく、拒否を回避するための別のリソースをスタッフに提供することと、拒否を受け取った後の異議申し立ての取り組みを支援することです」とエックハルト氏は述べた。 「私が前進して Experian Health と提携することにした主な理由は、このシステムがスタッフにとって新しいワークフローではなかったからです。

「スタッフに彼らが知っているワークフローを中断させ、別のシステムにログインさせてリソースを使用させようとすることほど最悪なことはありません」と彼は付け加えた。 「このシステムにより、スタッフが EHR で確認できる編集内容とスコアリングをカスタマイズすることもできました。」

課題に対処する

フレズノの地域医療センターは、2023 年初頭にこのツールの拒否予測部分の導入を開始しました。予測の最初の展開はゆっくりとしたもので、リーダーがこれらの編集を行う請求業者から同意を得ることを確実にするために非常に意図的でした。

「数週間にわたって、IP/OP、支払者、CARC コードなどごとに予測データを検討しました」と彼は思い出しました。 「このツールは将来の拒否を予測するのに非常に優れていますが、すべてを防ぐことができるわけではありません。したがって、チームに関連するのは選択された予測セットのみです。」

チームは、次の 2 つの CARC コード予測を実装することにしました。

• 197 – 事前認証/認可/通知/事前処理がありません。 (商業支払者のみ。)
• 109 – 請求/サービスはこの支払者/請負業者によってカバーされません。 請求/サービスを正しい支払者/請負業者に送信する必要があります。 (メディケイド支払者のみ。)

「197 の予測により、上流の認証プロセスが確実に遵守され、認証番号が請求に記載されていることを確認することができました。当時の技術的な問題がこの問題を引き起こしていました」とエックハルト氏は述べた。 「109 の予測は、次のチェックでした。 管理されたメディケイド 登録の問題は上流で発生しており、フロントエンドにカバレッジ自動化システムを実装できるようになる前に必要でした。

「『回復の可能性』のスコアリング要素は、私たちの商業フォローアップチームとともに今年後半に実装されました」と彼は続けた。 「現在の作業キューからこのスコアに簡単にアクセスできるようにするには、最初の課題がいくつかありました。しかし、これらが解決された後、これをスタッフの日常のワークフローに統合することができ、また、確実にスコアを取得できる方法も提供されました。できるだけ早くドアで簡単に現金を受け取ります。」

結果

フレズノの地域医療センターでは、すぐに大きな成果が得られました。 導入の最初の 6 か月間で、拒否件数は 197 件で 22% 減少し、拒否件数は 109 件で 18% 減少しました。

「これらの指標の両方の改善により、週に 30 時間以上の追加作業が発生し、フォローアップ スタッフの仕事量が削減されました」とエックハルト氏は報告しました。 「この 1 つのツールにより、スタッフの時間が解放され、将来的に追加の異議申し立て作業が可能になります。」

他の人へのアドバイス

エックハルト氏が他の組織に提供する重要なアドバイスは、スタッフの同意を確実に得て、ゆっくりと開始することです。

「AIツールは単なるツールです」と彼は指摘した。 」彼らがすべてを行う日が来るかもしれませんが、私たちはまだそこにはいません。 成功した結果を得るには、人間の介入と指導が鍵となります。 また、組織に関連するデータに基づいて AI がトレーニングされていることを確認してください。 モデルが関連データに基づいてトレーニングされていない場合、AI の目的全体が無効になります。 大量のスプレッドシートを持ってアナリスト チームに戻ったほうがよいでしょう。

「状況とニーズに応じて適切なツールを選択してください」と彼は結論付けました。 「他のテクノロジーと同様に、一部の AI ツールは、一部の人にとっては意味があり、他の人にとっては意味がありません。私たちの多くがテクノロジーの最先端にいることを好むことは知っていますが、AI は私たち全員がその一部になる必要があると感じているバズワードです。この罠に陥らないように、次のベンダーが提供するものではなく、役に立つ AI テクノロジーを見つけてください。」

LinkedIn で Bill の HIT 報道をフォローしてください。 ビル・シウィッキー
彼にメールを送ります: [email protected]
Healthcare IT News は HIMSS Media の出版物です。