正確で信頼できる収益サイクル管理がなければ、病院や医療システムをうまく運営することは非常に困難になります。正確で信頼できる医療コーディングも、これに大きく貢献します。
収益を増やし、医療提供者自身にまで及ぶ管理上の負担を軽減するために人工知能に可能性を見出す医療機関が増えている。しかし、医療コーダーはAIの精度と将来の失業の可能性を懸念している。
しかし、目標は自律性ではなく、むしろ拡張性であるべきだ。人間を排除するのではなく、人間は新しい生成AI搭載の補助ソフトウェアで強化されることができる、と生成AIベースのソフトウェアベンダーであるAkasaの共同創設者兼最高技術責任者であるVarun Ganapathi氏は述べた。 収益サイクル管理テクノロジーガナパティ氏はスタンフォード大学で人工知能を専門とするコンピューターサイエンスの博士号を取得しています。
ヘルスケアITニュース Ganapathi 氏にインタビューし、genAI を医療コーディングなどの収益サイクル領域でどのように使用できるか、推奨事項の正当性を共有するためにテクノロジをトレーニングする方法、組織が生成 AI システムとその基盤テクノロジを検討する際に考慮すべき事項、コーディングと収益サイクル プロセスに特化した genAI 実装のベスト プラクティス、genAI を利用したツールが収益サイクルの労働力の障害を解決するのにどのように役立つかについての見解を伺いました。
Q. genAI は医療コーディングなどの収益サイクル領域でどのように使用できますか? ユーザーにはどのような注意を促しますか?
A. GenAI は収益サイクルの未来です。この複雑な業界は、複雑な EHR や支払者ポータルの操作、膨大な文書の処理、絶えず変化する規制やポリシーへの対応など、非常に手作業が多く時間のかかるタスクに依存しており、そのすべてにおいて患者体験を最優先に考えなければなりません。
GenAIより 大規模言語モデルを搭載 患者の記録を深く理解し、以前はコンピューターでは理解できなかった臨床データを理解する LLM が必要です。LLM があれば、これらすべてにアクセスできるようになります。LLM をトレーニングしてヘルスケア分野とそのデータを理解させることで、収益サイクルにおける主要な問題点のいくつかを真に解決するためのより直接的な道筋など、多くの可能性が開かれます。
歴史的に、コーディングは複雑すぎて、ほとんどの古いテクノロジーでは適切に解決できませんでした。しかし、genAI は医療システムのデータに特化してトレーニングできるため、大規模なオンライン データベースではなく、患者データやワークフローから関連情報を抽出できます。
そこから、genAI は既存のコーディング専門家と連携して、見積もりとコードの提案を生成します。genAI は LLM 上で実行されるため、学習も継続します。そのため、特定の州でコーディング ルールが更新されたり、新しい患者データが追加されたりしても、genAI はすぐに適応できます。
ユーザーが注意する必要があるのは、自動コーディングです。アイデアとしては魅力的ですが、実行においては、不正確なコーディング提案など、自動コーディングにはさまざまなリスクが伴います。このため、医療システムでは、データに基づいて微調整され、プロセスに人間が関与し続ける、信頼できる genAI モデルを常に使用する必要があります。
Q. 収益サイクルで genAI を使用する場合、作業を示すことが重要であるとおっしゃっています。それはなぜですか? また、推奨事項と洞察の正当性を共有できるようにテクノロジーをトレーニングするにはどうすればよいでしょうか?
A. ヘルスケアでは、特に genAI を使用する場合、事前準備をしておくことが重要です。幻覚や、実際のデータに正確に基づいていない genAI の出力は、本当に懸念される問題です。患者に誤ったコードを提案するツールを想像してみてください。定期的な診察として始まったものが、莫大な医療費と誤診に変わる可能性があります。
歴史的に、AI の多くはブラック ボックスであり、そのテクノロジーがどのように機能しているかは見えず、結果がどこから来ているのかも理解できませんでした。 適切なgenAIツールを使用すればコーディング担当者は、どのようなコーディング提案が行われたか、またその理由を確認できます。情報は患者記録のどこから来ているのでしょうか?
genAI は、その作業内容を示すことで、チームがその提案を精査してから支払者に正確な払い戻しを依頼できるようにします。特定のデータに基づいてトレーニングするため、個々の組織とケース ミックス インデックスごとに最も効果的なコードを取得する方法を学習します。
Q. 組織が生成 AI システムとその基盤となるテクノロジーを検討する際に考慮すべきことは何ですか?
A. 組織は、genAI を実装する前に、いくつかの準備作業を行う必要があります。genAI は即座に学習し、さまざまなワークフローに適応できますが、それでも導入には多少の支援が必要です。
まず、医療システムはできる限り多くの情報をデジタル化する必要があります。繰り返しになりますが、genAI を医療システム、データ、ワークフローについてトレーニングする必要がありますが、これは情報がデジタル化されている場合にのみ実現できます。
次に重要なのは あらゆるgenAIツール 提供されたシステムで動作する組織の EHR と互換性がありますか? 使用されているプロバイダー ポータルは? 複雑なサービス ラインでも拡張できますか?
最後に、最も重要なことですが、組織はセキュリティについて考える必要があります。genAI ベンダーのデータ保持ポリシーは何ですか? 監査を実施し、すべてのデータを暗号化していますか? 組織でも同じことが言えます。組織はデータを暗号化し、監査を実行し、必要なものだけを保持していますか?
Q. コーディングと収益サイクルのプロセスに特化した genAI 実装のベストプラクティスは何ですか?
A. 組織が genAI に熱中するのは簡単ですが、可能な限りすべてを合理化したいと考えるのはさらに簡単です。代わりに、簡単に実行できるものに注目してください。圧倒的に大規模で複雑ではない問題領域は何でしょうか。
さらに重要なのは、genAI をトレーニングするためのデータが最も多いのはどの分野かということです。それらの分野は、テクノロジーを試験的に導入し、結果を証明するのに最適な分野かもしれません。
たとえば、コーディングに関しては、見積もりやコードの提案を生成することに特化した genAI ツールを使用することで、組織はチームからより多くの成果を得ることができます。これにより、コーディングの提案のために医師を関与させる必要がなくなることもあります。
Q. genAI を活用したツールは、医療コーダー不足など、収益サイクルの労働力の障害を解決するのにどのように役立ちますか?
A. 現在、医療コーダーが大幅に不足しています。熟練したコーダーが退職し、新しい人材が十分に雇用されていません。コーディング チームは、少ないリソースでより多くの成果を上げる必要があります。しかし、その方法は? 歴史的に、テクノロジーがその答えでした。
労働力不足により時間的なプレッシャーが生じ、コーディング担当者は通常よりも速く作業することが求められます。その結果、ドキュメントが省略されたり、細かい詳細が抜け落ちたりして、網羅性が欠如します。これらの詳細により、コードが欠落したり、コードが不正確になったりする可能性があり、最終的には品質指標に悪影響を与える可能性があります。
GenAI は、人間が見逃す可能性のあるコードを見つけるのに役立ちます。一部の genAI モデルは、スタッフよりも高速に臨床記録を確認でき、ファイルのより深いところまで調べることができるため、精度が向上し、低コストで適切な収益を達成できます。
一部のモデルは正しいコードを提案し、コーダーに作業を監査または再確認する作業を任せます。これにより、熟練したコーダーが単純作業に費やす時間が短縮されるだけでなく、新入社員が熟練したコーダーと同じスピードで作業できるようになります。
genAI は、コーダーにスーパーパワーを与えるものと考えてください。これにより、コーダーはより速く作業し、より優れたパフォーマンスを発揮できるようになります。収益サイクル全体にわたって、このような可能性を想像してみてください。
LinkedIn で Bill の HIT 記事をフォローしてください: ビル・シウィッキ
彼にメールを送る: お問い合わせ
Healthcare IT News は HIMSS Media が発行する出版物です。