Je weniger Ansprüche im Gesundheitswesen verweigert werden, desto besser. Könnte es im Gesundheitswesen ein angenehmeres Gefühl geben? Fast 15% aller an privaten Zahler eingereichten Ansprüche werden zunächst abgelehnt. Im Jahr 2023 verkauften Versicherer qualifizierter Gesundheitspläne im Gesundheitswesen. Gov bestritt 19% der Ansprüche in Netzwerk.
Was kann getan werden, um diese Nadel in die richtige Richtung zu bewegen? Ehrlich gesagt brauchen wir eine bessere KI. Höre mich raus!
Nur wenige Dinge sind persönlicher als die Gesundheit. Wenn ein Computeralgorithmus, der von künstlicher Intelligenz betrieben wird, die Versorgung verweigert, ist es sowohl für Patienten als auch für Anbieter verrückt. Menschen wollen, dass andere Menschen Entscheidungen über Ansprüche treffen, aber so sind diese Entscheidungen selten mehr. In einer perfekten Welt würden keine Verleugnung existieren, aber sie sind im aktuellen US -amerikanischen Gesundheitssystem notwendig. Versicherungsbetrug und übermäßige Ansprüche würden weit verbreitet, wenn die Zahler jede Forderung abdecken würden. Es muss einen Restbetrag zwischen dem, was die Zahler abdecken und dem geben, was sie nicht tun. Mit diesen erhöhten Ablehnungsraten gibt es ein offensichtliches Ungleichgewicht.
Wie kippen wir die Skala, um die Verleugnung zu senken? Während KI seit Jahren der erste Entscheidungsträger ist, muss sie besser ausgebildet werden. Und um das zu tun, braucht es Hilfe.
KI in Ablehnungen:
In den letzten Jahren wurden massive Investitionen in die Automatisierung der Ansprüche und die Überprüfung in der Krankenversicherungsbranche getätigt. Die Technologie hat bereits zu Verbesserungen für Patienten und Anbieter geführt.
Weniger langwieriger Aufgaben: Das Hinzufügen von KI zum Ansprüchenprozess ermöglicht es Klinikern, mehr Zeit für die Betreuung von Patienten durch Peer-to-Peer-Überprüfung zu verbringen, anstatt alle Ansprüche linie für Linie zu lesen. Es gibt Zeit für die Überprüfung komplizierter Behauptungen, die möglicherweise diese zusätzliche menschliche Berührung benötigen. Schnelle Behauptungen: Anstatt Tage oder sogar Wochen zu warten, um einen Anspruchsstatus zu erlernen, kann KI eine Entscheidung über einen Anspruch fast augenblicklich treffen. Wenn ein Anspruch abgelehnt wird, können KI -Modelle sofortiges Feedback geben, sodass Anbieter es zur Genehmigung erneut eingehen können. Während 15% der Ansprüche ursprünglich abgelehnt werden, werden 54% der verweigerten Ansprüche schließlich gezahlt. Wenn die Ablehnung von etwas zurückzuführen ist, das in der Behauptung fehlt, desto schneller wissen Sie das, je schneller Sie sie korrigieren und bezahlt werden können. Besseres Umsatzzyklusmanagement: Zeit ist Geld. Wenn ein Ansprücheprozess langsam ist, werden Anbieter möglicherweise nicht rechtzeitig bezahlt. Durch die Beschleunigung des Prozesses mit KI können Anbieter besser verstehen, wann sie bezahlt werden.
Verbesserung der KI für Gesundheitsverweigerungen
Natürlich kann man KI nicht einfach bei einem Problem werfen und erwarten, dass es sofort repariert wird. Es braucht Zeit. Es braucht Arbeit, um ein KI -Modell zu verbessern, um so nah wie möglich perfekt zu sein. Denken Sie daran, dass generative KI -Modelle zum ersten Mal Bilder erstellt haben. Die Menschen sahen kaum aus wie Menschen – Hände hätten manchmal acht Finger, und Torsos könnten so lang sein wie die Beine der Person. Mit jahrelangen Daten und menschlichen Anpassungen lernten diese Modelle jedoch, foto-realistische Bilder zu erstellen. Die KI für Behauptungen im Gesundheitswesen befindet sich in einigen Fällen in der doof-Image-Entwicklungsstufe-sie benötigt mehr Zeit und Daten. Glücklicherweise verfügt die US -amerikanische Gesundheitsbranche über Daten. Was diese Modelle erfordern, ist mehr menschliche Korrektur, und niemand ist besser für die Unterstützung von KI -Modellen geeignet als die Kliniker, die jeden Tag mit ihnen zu tun haben.
Wenn Kliniker ihre eigenen Kenntnisse in Versicherungen in diese Modelle einfügen, verbessert sich dies. Informationen wie warum sie ihre Pflegeentscheidungen getroffen haben, wie z. B. die Prüfung der Krankengeschichte eines Patienten oder die Entwicklung klinischer Richtlinien. Je mehr ein KI-Modell den Entscheidungsprozess versteht, desto besser wird die KI. Diese menschliche Feinabstimmung dieser KI-Modelle nimmt die KI für die Gesundheitsversorgung von AI von acht Fingern zu einem Foto, das Sie schwören würden, ist echt.
Überbrückung der Ablehnungslücke für Zahler-Anbieter
Zahler arbeiten daran, die Finanzen der Gesundheitsbranche über Wasser zu halten. Anbieter arbeiten an der Behandlung von Patienten. Diese Interessen richten sich nicht immer an. Daher der Grund für Ablehnungen. Selbst mit dem zunehmenden Einsatz von KI in Ansprüchen gibt es Möglichkeiten für Anbieter, dem Prozess einen Schritt voraus zu sein.
Predictive Analytics: Gesundheitssysteme sollten ihre eigenen Vorhersage -KI -Modelle erstellen oder einbeziehen, um das Ansprüchenmodell eines Zahlers besser zu verstehen und vorzubereiten. Stellen Sie sich das an, als würde man ein geschätztes Familienrezept laminieren. Es ist ein zusätzlicher Schritt, den ein Anbieter ausführen kann, bevor er einen Anspruch einreicht, um ihn vor abgelehnt zu schützen. Bildung: Bei Predictive Analytics werden mehr Anbieter das Spielbuch des Anspruchsmodells eines Zahlers besser verstehen und was getan werden muss, um Genehmigungen zu gewährleisten. Wenn ein Kliniker weiterhin die gleichen Ansprüche verweigert hat, muss die Gesundheitsorganisation einen Weg finden, um sie zu erreichen und darüber zu informieren, wie die Verweigerungsraten senken können.
Künstliche Intelligenz wird weder Ablehnungen beseitigen, noch sollte dies. KI kann sie jedoch reduzieren und den Genehmigungsprozess weiter beschleunigen. Wenn die Technologie voranschreitet, wird das Vertrauen folgender und erfolgreicher. Anstatt eine Linie nach einem Anspruch zu betrachten, um sicherzustellen, dass sie zugelassen sind, können sich Ärzte mehr auf ihre Patienten konzentrieren. Die Patienten werden sich weniger um eine Ablehnung sorgen und ihre Energie zur Heilung setzen. AI ist hier, um zu bleiben, und solange Experten mit den besten Absichten es auf dem richtigen Weg führen, wird sich die Gesundheitsversorgung verbessern und die Verweigerung von Raten sinken.
Foto: Utah778, Getty Images
Christine Smith Stetler, RN, AVP of Solution Engineering bei Medanalytics, ist leidenschaftlich daran interessiert, in den Verbrauchern und ihren Betreuern Innovationen in den Bereichen Gesundheitswesen zu bringen, um ihr bestes Leben zu führen. Mit über zwei Jahrzehnten auf einem Gebiet, das sie liebt, hat Christine Patienten und Kollegen direkt, praktisch und übertechnisch geholfen.
Dieser Beitrag erscheint durch das Medcity Influencers -Programm. Jeder kann seine Sichtweise auf Geschäft und Innovation im Gesundheitswesen in Bezug auf MedCity -Nachrichten durch MedCity -Influencer veröffentlichen. Klicken Sie hier, um herauszufinden, wie.
