AI 主導のコーディングによりコストが上昇しています。支払者はどのように適応できるのでしょうか?

経済のほぼすべての分野で、人工知能は組織のビジネス モデルを急速に再構築しており、ヘルスケア業界も例外ではありません。ヘルスケアにおける AI の導入により、特に臨床および管理ワークフローにおいて効率と精度が向上しました。影響が及ぶ分野の 1 つは医療コーディングです。AI が導入される前は、主に人間主導で必要に応じて時間がかかりましたが、現在では医療提供者がこれまで以上に具体性と一貫性を持って医療を文書化できるようになりました。

臨床および管理の観点から見ると、AI の自動化には明らかな利点があります。手作業によるエラーが減り、請求や文書に対する異議申し立てや調整が減り、患者の健康状態のさまざまな複雑性がより正確に反映されます。生成 AI の臨床的可能性はまだ解明されていませんが、そのコーディング ツールは償還の経済学を根本的に変え、その結果、支払者がこれまで経験したことのないスピードで複雑な保険金が支払われるようになり、支払者が償還とコストの監視を管理する方法に新たなダイナミクスを生み出しました。

AI 主導のコーディング精度がリスク スコアとコストを上昇させる理由

なぜ人工知能のせいで支払者がコストの上昇を経験しているのかを理解するには、まず医療コーディングにおいて AI が果たす役割を明確にする必要があります。基本的に、生成 AI の主な影響は、プロバイダーが料金を請求する対象ではなく、生成 AI を実行できる精度と効率です。歴史的に、医療コーディングは人間の能力によって制限されており、複数回の審査、拒否、再提出が必要であり、これが償還の速度に影響を与えていました。

AI の効率性が何千もの患者と医療提供者の遭遇に適用されると、コストへの影響が現れます。 AI ツールは、評価コードと管理コードを自動生成し、請求漏れを特定し、診断の具体性を高めて、リスク スコアに影響を与える可能性があります。リスク評価におけるわずかな変更であっても、支払者の償還と全体的なコストに重大な影響を与える可能性があります。 AI 対応のコーディングにより、最初のパスで請求が裁定され、多くの場合はより高いレベルで払い戻されることが増えているため、支払者はますます大きな課題に直面しています。従来のコスト抑制メカニズムでは対応できないということです。

支払者がワークフローと監視を適応させる方法

AI 対応コーディングによる請求額の急増により、支払者は拒否、支払い遅延、事前承認にもっと依存するようプレッシャーを感じる可能性があります。こうした反動的な反応は短期的には支出を遅らせるように見えるかもしれませんが、会員エクスペリエンスに悪影響を与える可能性があります。また、事後対応策では、償還額の上昇を引き起こす根本的な要因に対処せずに、プロバイダーと支払者の関係に摩擦が生じるリスクもあります。

標準的なレビュープロセスでは、AI によって生み出される需要に対応するのが難しく、事後対応が発生する可能性が高くなります。支払者は、現在のワークフロー構造と監視戦略を AI 時代に適応させることで、より適切に需要に応えることができます。

支払者は、基本的な設定をデフォルトのままにするだけで始められます。請求の裁定スタック全体をレビューし、適切な前払い編集が有効になっていることを確認することがこれまで以上に重要です。このアプローチは、支払者が請求システム チームおよびベンダーと緊密に連携してワークフローを更新することを意味します。データと分析は、請求行動を明らかにするための実用的なアプローチも提供します。

分析を活用して、請求行動の原因を特定する

データと分析を活用することで、支払者は請求ごとの審査に重点を置くのではなく、より精度の高いコーディングレベルのパターンを評価できます。支払者が経験しているコスト負担の増加は、発生源で分析される必要があります。 AI によるドキュメントの改善の結果でしょうか、それとも特定のプロバイダーに集中しているのでしょうか?詳細なレビューにより、これらのパターンが発生する場所が特定され、支払者がコスト要因に積極的に対処するのに役立つ洞察が得られます。

さらに、AI を利用した請求は技術的には正確である可能性がありますが、必ずしも臨床上の経験を忠実に反映しているとは限りません。プロバイダーは料金の把握と文書化に AI 対応ツールを採用しているため、一部の請求はプロバイダーの意図ではなく自動化によって発生する可能性があります。ここでは、強力な詐欺、無駄、悪用 (FWA) システムが重要です。支払者が FWA 検出ツールに投資すると、追加の FWA を捕捉するためのワークフローが実装されるとともに、一貫したアップデートとアラートが潜在的な問題を分析してフラグを立てます。

価値観に基づいたケアに焦点を当てる

ワークフロー、監視、分析が支払者の業務に組み込まれると、結果として得られるデータによって特定の自動請求コード間のパターンが強調表示され、仮定ではなく事実に基づいた、より情報に基づいたプロバイダーとの会話の基盤が築かれます。さらに、これらの議論は、データが裏付けているのであれば、価値に基づくケアのインセンティブに移行する機会を提供します。

多くの場合、データは懲罰的措置についての説明と教育の必要性を明らかにします。 AI は医療分野ではまだ比較的新しく、常に進化しています。支払者が新しいデータからの洞察とプロバイダーからの請求パターンを活用すれば、最初から会員の成果を最適化するために会員が確実に最善かつ適切なケアを受けられるように協力するという目標を掲げてプロバイダーとの交渉に取り組むことができます。

写真：アンドリー・オヌフリエンコ、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。