ヘルスケアにおける収益サイクル管理を改善するための人工知能の応用は有望だが、経営陣はテクノロジーの正確性と信頼性について懸念を抱いている。
これらはイノバロンの調査結果の一部である。 調査 400 名を超える収益サイクルおよび財務担当の幹部やマネージャーを対象にした調査では、84% が病院における AI 対応の RCM について楽観的であると回答しました。
しかし、回答者の3分の1は、RCMでのAIの使用について懸念または懐疑的であると答えており、正確性と信頼性（31%）、馴染み/理解の欠如（17%）、AIが新しすぎる/テストされていないこと（15%）が主な問題点となっている。
人間はAIよりも優れている
回答者の20%は、少なくとも現時点では人間のパフォーマンスがAIよりも優れていると確信していると答えた。
イノバロンの社長兼プロバイダー部門ゼネラルマネージャーのジュリー・ランバート氏は次のように語った。 ヘルスケアITニュース これはRCM全体に当てはまりますが、 AIからより大きな恩恵を受ける。
「これを二者択一のシナリオとして考えるのではなく、専門知識こそが、パフォーマンスが高く、継続的に改良される AI/ML モデルを作成するための重要な基盤であると考え、もっとよく考えるよう求めます」と彼女は述べた。「テクノロジーと専門知識を組み合わせると、最高の結果が生まれる可能性があります。」
彼女の視点から見ると、RCM において AI が最も大きな影響を与えることができる領域は、現在、医療提供者に最も多大な苦痛を与え、最も手作業を要する領域です。
これらの分野の中で、拒否、事前承認、適格性は、すべてのプロバイダーにとって上位にランクされる可能性が高いが、これらすべての項目が関連しているのは偶然ではないと彼女は述べた。
「登録プロセスの初期段階でエラーが発生すると、バックエンドで拒否が発生します」とランバート氏は述べた。
拒否の原因は何ですか?
どのようなシナリオが拒否を引き起こしているか、また、拒否が発生する前にそれを捕捉または予測する方法を知ることは、専門知識と請求結果データを備えた AI を使用してモデルを構築およびトレーニングする絶好の機会です。
「これらのプロセス自体と、その全体にわたるつながりの中に、機会がある。 MLとAIを活用してプロバイダーの改善を図る」と彼女は言った。
ランバート氏は、AI は静的なものではなく、決してそのように扱われるべきではないということも考慮すべき重要な要素だと付け加えた。
「継続的に学習するモデルを設計することは、AIの中心的な考え方です。モデルはデータと、結果から自然に得られるフィードバックループから継続的に学習します」と彼女は語った。
外部要因
モデルに影響を及ぼす可能性のある外部要因に関する知識を把握し、考慮することも重要です。これは、データの構造、応答内のデータ要素、またはデータに異常を引き起こす可能性のあるその他の要因に影響を及ぼす規制の変更を意味する場合があります。
「結果の解釈によって誤った仮定や相関関係が導き出されないように、モデルに影響を与える変更について認識しておく必要があります」とランバート氏はアドバイスした。
彼女はさらに、AI は経営幹部やデータ サイエンティストだけのものではなく、誰もが参加できるものであり、それが AI を成功させる鍵であることを人々に理解してもらうことが重要だと付け加えました。
「AIには、モデル作成を支援するために、データを管理し、操作を実行し、ワークフローを管理する、現場にいる人々の意見が必要です」と彼女は語った。
Nathan Eddy はベルリンを拠点とするヘルスケアおよびテクノロジー分野のフリーランサーです。
著者にメールする: [email protected]
ツイッター: @dropdeaded209
HIMSS AI in Healthcare Forum は、9 月 5 日から 6 日までボストンで開催される予定です。 詳細と登録。