Die heutigen Krankenkassen zahlen den Gesundheitsdienstleistern weiterhin erhebliche Strafen und Zinsen, wenn sie gegen die Gesetze zur pünktlichen Zahlung verstoßen, weil die Bearbeitung von Ansprüchen aufgrund verschiedener Prozesse, unterschiedlicher Systeme und Abhängigkeiten von Funktionsgruppen verspätet erfolgt. Dazu gehören beispielsweise Autorisierungsanforderungen, die Koordinierung der Leistungsdetails, externe Preisgestaltung, Anbieterdatenverwaltung, Einzelverbindungsnachweise und Anforderungen an Krankenakten. Tatsächlich haben die großen Kostenträger jährlich Strafen in Höhe von 150 bis 60 Millionen US-Dollar gezahlt und müssen schätzungsweise jedes Jahr weitere 20 bis 30 Prozent zahlen. Genauer gesagt: Da die Kosten des Betriebskapitals immer mehr in den Mittelpunkt rücken, steigt auch die Notwendigkeit der Kostenvermeidung und der Verbesserung des operativen Cashflows.
Die Ermittlung und Verfolgung von Zinsen und Strafen bei verspäteter Zahlung von Ansprüchen ist ein manueller Prozess, der äußerst umständlich und ineffizient ist. Dies liegt an Mängeln in der Berichtssuite und einem Prozess zur Schadensregulierung, der die Berechtigung und Leistungsüberprüfung der Mitglieder, vorherige Genehmigung, Anbieterverträge/Rückerstattungen, externe Preisgestaltung und viele andere Schritte umfasst. Der Prozess erstreckt sich über Funktionsbereiche und unterschiedliche Systeme, was zu fehlerhafter Verarbeitung und Nacharbeit führt.
Technologielösungen wie prädiktive Analysen auf Basis von KI/ML können gezielt auf die Identifizierung von Forderungen mit hoher Zahlungsneigung und Verzugszinsen (LPI), die Vermeidung fehlerhafter Verarbeitung und die Arbeitsreduzierung durch Automatisierung manueller Verifizierungsschritte ausgerichtet werden. Krankenversicherungen können Verzugszinsen im Jahresvergleich um bis zu 25 % senken. Der Weg beginnt mit der Kontaktaufnahme zu einem Experten für Gesundheitsdienstleistungen mit einem Kompetenzzentrum für Verzugszinsen. Mit diesem geschärften Kompetenzspektrum müssen sich die Kostenträger auf drei kritische Bereiche konzentrieren:
Mithilfe prädiktiver Analysen können Zahlungen mit standardisierter Prognose und Genauigkeit gesteuert werden
Durch die Erstellung eines Data Lake für Ansprüche und robuster Plattformen können umfangreiche Datensätze historischer Ansprüche analysiert und unabhängige Variablen mit hoher Anspruchshäufigkeit identifiziert werden. Dazu gehören Rechnungsarten, Leistungsorte, CPT vs. Erlöscode vs. DRG und Anbieternetzwerktypen, um die Neigung zu LPI-abhängigen Variablen (als Kombination aus falscher Ablehnung und Prozessverzögerungen) zu identifizieren. Diese Plattformen nutzen datenwissenschaftliche Techniken unter Verwendung von KI/ML-Modellierung, um Ansprüche mit hoher Wahrscheinlichkeit vorherzusagen, bei denen LPI und Strafen anfallen. Mit diesen Techniken können Kostenträger im Gesundheitswesen die Entscheidungsfindung optimieren und neue Erkenntnisse gewinnen, die zu effektiveren und profitableren Geschäftsergebnissen führen, wie:
20-25 % Reduzierung des unternehmensweiten LPI-Betrags für Ansprüche, die auf mehreren Plattformen verarbeitet werden. Prognostizierte Einsparungen für Gesundheitsorganisationen von fast 8-10 Millionen US-Dollar pro Jahr. Reduzierung der Nacharbeitsrate um 20 bis 30 % gegenüber dem aktuellen Ausgangswert. Deutlich reduzierter Leistungserbringer-/Mitgliederverschleiß.
Process-/Task-Mining-Plattformen zielen auf Engpässe im gesamten Schadensfallprozess ab. Process- und Task-Mining-Software ermöglicht datengesteuerte Prozesserkennung aus Unternehmenstransaktionssystemen und liefert detaillierte – und datengesteuerte – Informationen zur Leistung wichtiger Prozesse. Diese technische Unterstützung analysiert Ereignisprotokolle während der Arbeit. Nehmen wir zum Beispiel Schadensdaten, die zur Überprüfung der Berechtigung/Leistung und des Anbieters anstehen und dann zur Preisberechnung an die Vertragserstattung weitergeleitet werden, mit Anforderung, Anpassung und schließlich Zahlung von Krankenakten. Die Protokolle machen sichtbar:
Wie computergestützte Arbeit tatsächlich abläuft, einschließlich wer die Aufgabe ausgeführt hat, wie lange sie dauert und wie sie von der durchschnittlichen Bearbeitungszeit (TAT)/Zykluszeit abweicht. Process-Mining-Anwendungen mit der Fähigkeit, digitale Prozesszwillinge zu erstellen, um den Verlauf von Ansprüchen abzubilden und einen Überblick über Projektkonformität und -abweichungen zu bieten. KI-Algorithmen, um die Grundursache von Abweichungen zu erkennen und die jeweiligen Funktionen zu warnen/benachrichtigen. Prozessanalyse mit der Erstellung von Leistungskennzahlen für den Prozess, damit sich Krankenkassen auf die wichtigsten Schritte konzentrieren können, um positive Geschäftsergebnisse und verbesserte Erfahrungen von Anbietern und Mitgliedern zu erzielen. Task-Mining-Erfassung und Sammlung von Interaktionsprotokollen von Benutzeranwendungen im Zeitverlauf sowie von Benutzeraktionen, um Möglichkeiten zur robotergestützten Prozessautomatisierung zu bieten und die Betriebseffizienz zu verbessern.
Automatisierte Workflow-Anwendung
Die webbasierte App-Überwachung von Ansprüchen während des gesamten Schadenverlaufs wird durch ein Dashboard der LPI-Tracking-Anwendung unterstützt. Der aktuelle LPI-Managementprozess umfasst die Identifizierung älterer Ansprüche mit dem Potenzial für LPI-Anfälle aus der Bestandsdatei durch das Produktionskontrollteam, gefolgt von der Freigabe, Zuweisung und Nachverfolgung zur Lösung. Obwohl es sich um einen guten Prozess handelt, ist er arbeitsintensiv und birgt ein hohes Risiko für Ineffizienzen/Risse im System, die zu Lecks führen können.
Eine LPI-Tracking-Anwendung in Kombination mit einer Prozessneugestaltung bildet ein robustes Echtzeit-Managementsystem für Schadensmetriken und stellt so sicher, dass die LPI-Ausgaben erheblich gesenkt werden. Die Anwendung bewertet einen Schaden anhand verschiedener Parameter (historische und Zuordnung zum aktuellen Schaden) und prognostiziert die Wahrscheinlichkeit, dass bei verspäteter Schadensregulierung Zinsen und Strafen anfallen. Dies könnte in das Schadensregulierungssystem integriert werden, wobei Hotspots oder Warnmeldungen aktiviert werden, um den Bearbeitern bei der Identifizierung potenzieller LPI-Schadensfälle zu helfen.
Die Zusammenarbeit dieser drei Technologie-Enabler beschleunigt das Vorantreiben der Kostenträger und verbessert die Erfahrung von Kunden, Ärzten, Krankenhäusern und Mitgliedern in kritischen LPI-Problembereichen. Zu den Ergebnissen gehören:
Schnellere Bearbeitung und Abwicklung von Ansprüchen und Verkürzung der Zykluszeit. Fehlerhafte Bearbeitung und unerwünschte Nacharbeit sowie zusätzlicher Personalabbau. Mögliche Reduzierung von Anrufen von Anbietern und Mitgliedern wegen Nachverfolgungen und fehlerhafter Ablehnungsanfragen. Einhaltung der staatlichen Lohngesetze durch den Kostenträger. Verbesserte Bewertungen bei staatlichen und bundesstaatlichen Indizes. Reduzierung des nachgelagerten Volumens wie Beschwerden, Einsprüche und Klagen.
Diese integrierten Lösungen führen nicht nur zu erheblichen betrieblichen Verbesserungen, sondern ebnen auch den Weg für ein effizienteres und reaktionsschnelleres Gesundheitssystem.
Foto: Topp_Yimgrimm, Getty Images
Manju Byrappa ist Vice President, Solutions and Practice Lead bei Sagility. Er ist ein professioneller Betriebswirt mit über 24 Jahren Erfahrung in der Einrichtung spezialisierter Schadensabwicklungseinheiten und Concierge-Modellen für US-Gesundheitsfürsorge und Expat/Global-Versicherungen. In seiner aktuellen Rolle als Solutions Architect und Claims Practice Head verfolgt Manju sorgfältig Branchentrends und Schwachstellen im Schadensabwicklungsgeschäft und arbeitet mit allen Beteiligten zusammen, um Produkte zu entwickeln, die zu Innovation, Kostenvermeidung, verbesserter Kundenzufriedenheit, Betriebseffizienz, einem starken Markenruf und nachhaltigem Wachstum führen.
Zaffar Kahn ist Associate Vice President of Transformation & AI bei Sagility. Er ist begeistert davon, Transformationen durch die Kraft von KI, Automatisierung und Analytik voranzutreiben und nutzt diese Technologien, um Prozesse zu optimieren, die Entscheidungsfindung zu verbessern und strategische Ziele zu erreichen.
Dieser Beitrag erscheint im Rahmen des MedCity Influencers-Programms. Über MedCity Influencers kann jeder seine Sichtweise zu Wirtschaft und Innovation im Gesundheitswesen auf MedCity News veröffentlichen. Klicken Sie hier, um zu erfahren, wie.
