DrAfter123/DigitalVision 向量
DrAfter123/DigitalVision 向量
事先授权——健康计划在患者接受医疗保健服务或配药之前批准或拒绝承保批准的过程——在美国医疗保健系统中发挥着至关重要的作用，使付款人有可能削减不必要的支出。但这个过程充满了挑战，特别是对于必须记录和证实患者的事先授权请求的提供者而言。
从历史上看，事先授权对提供者来说也是一个重大的监管负担，超过了 EHR 等现有挑战互操作性和遵守《无意外法案》。虽然事先授权对提供者的负担很高，一些人表示该过程是为患者提供护理的主要障碍，但事先授权不太可能消失。
解决事先授权问题需要利益相关者平衡医疗保健负担能力和获得优质护理的需求，这并非易事。
但是，由于其交易性质，事先授权的各个方面可以实现自动化，并且该行业越来越多地寻求自动化和其他技术驱动的解决方案，以简化事先授权流程。
人工智能等技术被认为是医疗保健无数问题的解决方案——从自动化出院到减轻护士的文件负担。但是，哪些事先授权痛点可以从这些工具的部署中受益，以及医疗保健利益相关者如何在不造成额外工作流程负担的情况下有效地采用这些技术？
在本期医疗保健策略中，首席执行官兼合伙人 Amber Nigam-Basys.ai 创始人详细介绍了人工智能如何简化提供商和付款人的事先授权流程。
Shania Kennedy 自 2022 年以来一直报道与健康 IT 和分析相关的新闻。
Amber Nigam：人工智能还可以帮助查找和修复某些块，这些块可能会阻塞，比如说，事先授权或使用管理，或任何此类工作流程，以便使这个过程更加简化、更快、更公平。
Kelsey Waddill：事先授权是美国医疗保健系统当前框架的关键部分。付款人可能需要事先授权，患者才能获得某些服务或治疗，从而使他们有机会批准或拒绝该程序，并有可能减少不必要的支出。但这个过程可能会给提供商带来很大的负担，他们必须记录和证实他们之前的身份验证请求，以及他们必须做的其他一切。我们的编辑副总裁 Kyle Murphy 与 Basys.ai 首席执行官兼联合创始人 Amber Nigam 讨论了人工智能如何帮助解决这一挑战。
Kyle Murphy 博士：您好，欢迎来到医疗保健策略。今天，我们正在与 Amber Nigam 讨论事先授权。Amber，请告诉我们一些您的医疗保健故事：您是如何进入医疗保健领域，而且进入技术领域的？在您目前所做的工作中，您如何将这两者结合起来？
Nigam：当然，首先，感谢您邀请我。我想说，我的医疗保健经历实际上是从我父亲患有糖尿病时开始的。我是他的照顾者，我看到了医疗保健方面的很多差距。至于你关于技术的观点，我基本上也有技术背景。我拥有计算机科学学士学位，[并]在职业生涯的前五年担任数据科学家。
过去七年[花费]在创业上，但当我看到这些差距时我觉得——可以做什么，然后，技术可以提供什么帮助？——我真的觉得这是技术可以提供帮助的领域之一。同时，这也是我的心声和我自己的经历，或者是我父亲经历的替代经历，这就是我开始从事医疗保健的方式。
所以从技术角度来说，正如我所说，我拥有学士学位。我之前还申请了三项数据科学专利，并在麻省理工学院教授了一门名为“医疗保健协作数据科学”的技术和医疗保健课程。所以，这就是它开始混合在一起的方式，直到我和我的联合创始人——我们在哈佛相遇，我们在同一个研究生院项目——我们决定我们应该解决医疗保健方面的问题，还有什么更好的问题墨菲：这是对今天大部分对话的一个精彩的延续。我真的很感兴趣的是，您在医疗保健的事先授权过程中看到了哪些痛点，以及您认为哪些技术最适合，或者您认为哪种技术最适合这个特定的领域过程？
Nigam：当然。我觉得现在这个过程相当模糊，而且说它也是主观的也没有错，因为使用了电话和传真。
从概念上讲数据科学或机器学习和技术可以帮助消除这一过程的歧义并使其更加客观。但如果我必须更具体的话，在付款人方面，或者健康保险公司方面，我们的医疗保健政策有时可能不是很简单，也不容易理解。
机器学习可以消除这些政策的歧义，使它们变得非常简单，或者有复选框，而不是人们互相打电话和发送传真，这可能会很模糊。同时，这不仅仅是事先授权，还涉及使用管理，如何利用不同的药物和手术等程序来降低成本或控制成本，以便医疗保健更容易获得。
<最后，在付款人方面，有时还需要解释您的决策过程。这些是付款人方面的一些组成部分。在提供商方面，我们有很多工作流程。提供商需要管理的工作流程太多，有时会造成很多混乱。因此，人工智能本质上可以帮助提供某种互操作性，通过这种互操作性可以简化这些工作流程。与此同时，当您谈论医疗保健时，个性化也是关键，因为这并不是一种适用于医疗保健的一刀切的方法。如果我作为一个人更容易患糖尿病，那么药物对我的作用可能与其他人不同。因此，我想说，当我们谈论医疗保健领域的不同利益相关者或一般医疗保健领域时，人工智能有助于揭示许多细微差别。
Murphy：现在您提到了之前提到的所有不同方式。发生授权。我们这些受益于消费领域的人，其中一切都高度数字化，医疗保健非常多......仍然涉及一些纸质文件，仍然涉及一些传真，仍然涉及一些手动流程，这确实造成了很多滞后。将人工智能应用于这些流程会面临哪些挑战，其中许多流程尚未真正优化或尚未数字化？
Nigam：是的，我想说三重。一是惯性。即使在底层有机器学习、人工智能[或]数据科学，你也需要真正采用它，并远离电话和传真——尤其是当人们在过去几十年里已经习惯了它时，不仅仅是几年——这很困难。因此，您需要了解，作为一家技术公司，或者作为技术供应商，甚至作为付款人或提供商，您需要有这样的观点：医疗保健有时与技术领域不同。
同时，即使采用了，有时在最近的技术中，正如我们所看到的，存在幻觉的问题。生成式人工智能有时会产生幻觉并生成一些不真实的东西。所以人们，如果他们看到这样的例子，他们当然会远离技术，因为它就像一个黑匣子——它可能说对，也可能说错。
即使它是一个0.1% 的场景，假设人类在 1% 的场景点犯错误，1% 仍然比人类犯错误有所改进。但我认为从这个角度来看，技术有不同的衡量标准。
最后一点是关于隐私的。因此，当你以一种快速、突破性的方式使用技术时，你往往会跳过一些事情。您往往会忽视某些可能极其有害的规定，因为您可能面临暴露某些患者或会员相关信息的危险。所以，我想说，这三件事是我们在采用技术时应该小心的一些事情。
墨菲：现在，有很多事情是普通患者或健康计划成员并没有真正意识到的。了解在遵守医疗保健法规和所有这些不同标准方面的事先授权。人工智能如何提高合规性？然后，如果我可以补充一点，它如何才能创造更多的沟通机会来解释为什么事情没有以特定的方式进行，或者我们可以识别趋势以避免沟通中的某些事故或故障？
尼加姆：当然。我认为人工智能可以发挥的最重要的部分或作用之一是个性化。也就是说，如果，比方说，作为一名会员，如果我有一些我应该知道的先决条件，比方说，健康保险公司、付款人或提供者会更容易知道这些事情，那么人工智能真的可以泡沫化那些重要的东西。详情上来。这是一种方法。
第二种方法是当存在合规性时，通常不仅仅是州级或联邦级，还有质量标准。所以，你需要注意这一点。人工智能确实可以帮助叠加不同的标准并解决事先的授权查询，并检查所有标准化和法规是否得到满足，这对人类来说可能有点困难。有时，当人类是唯一对其进行检查的实体时，它也可能有点主观。
最后，我想说人工智能还可以帮助识别和修复某些可能存在的障碍。阻止，比如说，事先授权或使用管理，或者任何搜索工作流程，以便使这个过程更加简化、更快、更公平。
Murphy：您必须考虑哪些因素一家人工智能公司——您之前提到过数据隐私，但是数据安全，我们显然了解 HIPAA [和] HITECH 在该领域的重要性。不乏规定您应该如何处理这些数据的法规。您还提到了黑匣子之类的东西。如何确保透明度，同时确保敏感健康信息的安全和保护？
Nigam：这是一个非常有趣的问题，也是我们一直在思考的问题，因为政策不断改变。但到目前为止，我们在旅程中所看到的就像是一种三重方法。
首先，作为一个组织，您需要建立护栏，而不仅仅是在您的级别上。有时，当您与同行和提供商沟通时，您还需要注意他们的护栏，并在此基础上建立您的结构。
您还可以建立一定信任的第二种方法是通过进行或通过审核。因此，执行这些审核并确保您遵守您希望实现的任何防护栏也非常重要。
最后，合规性有一个非常低调的组成部分，有时会被忽略：互操作性。因此，当您寻求互操作性时，您正在交换大量信息。因此，如何将互操作性与我正在讨论的护栏结合起来，消除孤岛，并考虑数据管道的真正广度，以便不存在泄漏，也非常重要。
墨菲：什么目前在预授权领域使用的人工智能技术有哪些，哪些是最成熟的，哪些是即将出现的？您认为未来的机会在哪里？显然，我们如何定义人工智能实际上是我们所处位置的快照。就发展而言，技术总是在变化。
Nigam：我认为，对于你的第一个问题，现在更多的是确保我们在实施人工智能或实施之前拥有正确的工作流程。机器学习。确保我们不会遗漏任何内容，因为就像我提到的，隐私在医疗保健中非常重要，而且您也不希望自动化某些可能对会员或患者有害的案例。
至我的观点是，例如，我正在谈论自动拒绝。这太糟糕了，你承担不起这样做的代价。与此同时，如果你考虑一下人工智能以及它目前正在引领我们走向何方，我觉得生成式人工智能具有相当大的变革性。与此同时，我们也必须注意到生成式人工智能的缺点。例如，我们在Basys......我们刚刚申请了一项专利，用于从生成式人工智能输出中筛选出无用的内容，这也是我们独特的与众不同之处。
因此，请注意可能会出现问题的地方--对可能出错的地方进行非常结构化和系统化的分析，然后解决这些问题，这一点非常重要。正如我之前提到的，技术可能有所帮助或人工智能可能有所帮助的其他一些事情是互操作性，因为人工智能可以实现的许多标准化可以用于互操作性措施。
第三个最重要的事情之一，也是确保医疗保健，鉴于其传统背景，需要在实地实施，才能产生任何影响。那么，如何利用人工智能来减少付款人和提供商之间的摩擦呢？如何使用人工智能来确保（即使是在付款人组织或健康保险公司内部）组织能够以非常简化的方式使用您的产品对于采用人工智能至关重要。
墨菲：作为一家人工智能公司并在医疗保健领域工作感觉如何？这个行业采用新技术的速度相当缓慢，并且持高度怀疑态度。您在让人们接受这个想法方面是否遇到过挑战，或者他们是否已经过了这种接受阶段，现在他们看到了可以更有策略地应用人工智能的机会？
Nigam：我认为这取决于你在和谁说话。对于某些人来说，这仍然是一个障碍。仍然存在某种惯性，他们需要将您视为中立方，例如中立供应商。而且你不仅仅是在宣讲“只要使用人工智能，所有问题都会得到解决”，就像本质上不喝酷爱饮料一样，如果你愿意的话。
但与此同时，什么我还看到并观察到，人们越来越了解市场上人工智能的实际情况，尤其是随着生成式人工智能的出现。他们看到了不同行业的实例，而不仅仅是医疗保健领域，生成式人工智能可以提供帮助，机器学习可以提供帮助。并且有很多自动化的范围。我过去看到的一件事是，尽管付款人希望或提供商希望拥有中立系统（目前通常不可用），但供应商通常要么面向付款人，要么面向提供商。
我们在 Basys 非常努力地成为透明和中立的平台。例如，我们有付款合作伙伴，我们有提供者，他们是我们的一些投资者，例如梅奥诊所是我们的投资者之一。然后我们还有制药公司，比如礼来公司，他们也是我们的投资者。
所以，这是我们认为非常重要的一件事。我们还认为重要的第二件事是每个人都意识到医疗保健非常昂贵，我们需要减轻运营负担。我认为这是付款人和提供商共同面临的一个痛点。我认为我们——鉴于我们的重点是确保减轻运营负担，而且本质上……事先授权的员工实际上正在工作，或者重新定位于他们真正受雇从事的工作——我感觉这也是每个人都买的东西。
最后我还要提到的是政策。鉴于目前政策空间存在很大的变化，我确实认为在三到五年的时间内，它将会开始正常化，它将开始成熟。因此，在五年内，我们几乎可以在至少 70% 或 80% 的情况下自动接受事先授权。对于某些否认，我们也可能有更好的主张。因此，不仅要拒绝，还要提出一些与成员相关的建议。所以，这些是我认为未来几年会发生的一些事情。
墨菲：现在，我们开始这次对话，你说的是，你正在帮助你父亲治疗糖尿病，他的慢性疾病。您现在对技术改善医疗保健系统的潜力有多乐观？你比较乐观吗？显然，您仍在工作，所以我必须想象您每天都会兴奋地起床去上班。现在你的热情程度如何？你有进步吗？
Nigam：我想现在是10倍，因为当我开始的时候，我的背景是零，我几乎很困惑，我也很担心。因为我父亲，我非常焦虑，有时他的血糖水平会下降——崩溃——我们不知道会发生什么。当我们过去安排医生的预约时，它曾经是很遥远的事情，有时医生会说他需要这种药物，但这需要他接受某些更保守的治疗。我们不知道那是什么。
现在，知道了所有这些术语是什么，并且在政策层面、宏观层面或人口层面上了解了通常会发生什么，我我认为我更加立足于现实，并且拥有技术背景……因此，立足于现实对我来说确实是一种激励。我想我已经变得更加感激医疗保健正在接受我，而不是相反。感觉真的很好。我对我正在从事的工作和我的团队正在从事的工作充满热情，实际上，我很荣幸也很感激能够成为这个生态系统的一部分。
Murphy：嗯，Amber，非常感谢您今天与我们分享您的经历，我们非常感谢您的宝贵时间。
Nigam：非常感谢您，凯尔，邀请我。
Waddill：还有听众，谢谢您的收听。如果您喜欢所听到的内容，请前往 Apple 或 Spotify 给我们留下评论。实际上，我们会选择一些评论在节目中阅读以表示赞赏。所以，请继续听到底，因为您可能会被点名。
感谢 Mayra W. 评论我们的节目。Mayra 写道：“很棒的信息！最近发现了这个播客，我被迷住了。这是一个值得一看的节目，讨论提供者常见问题的日常解决方案，顶级专家嘉宾分享了他们应对当今影响医疗保健的挑战的经验。”
我们很高兴为您带来像 Amber 这样的专家以及其他许多人，Mayra。感谢您分享您的想法。今天就这样，下周请收听我们的 Healthtech Security 副主编 Jill McKeon 提出的一些及时的健康 IT 安全策略。到时候见。