付款人如何使用人工智能拒绝索赔并减少医疗服务提供者的收入 - MedCity News

随着医疗报销的发展，医院面临着新的挑战：付款人越来越多地使用人工智能 (AI) 来管理索赔。许多提供商可能没有意识到人工智能工具正在被用来审查他们的索赔，并且这些系统在构建时并没有考虑到提供商的利益。虽然人工智能有简化流程的潜力，但其目前在收入周期中的使用导致更多的索赔被拒绝、付款延迟和上诉需求增加，特别是因为付款人经常使用人工智能来追溯审查医疗必要性决定。为了驾驭这种人工智能驱动的格局，医院需要开发专业知识来对抗这些系统固有的偏见和错误。

缺乏透明度

人工智能在索赔处理中的最大问题之一是缺乏透明度。付款人很少透露正在使用人工智能或解释其如何运作，而提供商通常不知道驱动这些人工智能系统的算法。这使得医院几乎没有信息来对抗人工智能生成的否认。

如果不深入了解这些否认背后的逻辑，医院就会处于不利地位，特别是考虑到质疑这些否认会增加行政负担。例如，人工智能审计经常发生在医院完成尽职调查、获得授权并支付索赔费用之后。人工智能系统可能会追溯性地重新评估索赔并判定医疗必要性未得到满足。这可能会导致付款撤销，要求医院使用更多资源来对最初批准的索赔提出异议。简而言之，人工智能驱动的付款后审计会延迟付款并削弱医院和付款人之间的信任，使医院面临财务压力。

时间很关键

一旦索赔被拒绝，医院就会随时上诉。上诉需要大量资源并清楚了解索赔被拒绝的原因。 

考虑一种诊断程序，该程序最初不需要批准，但当医生发现肿瘤或病变时就变成了外科手术。由于缺乏预先授权，人工智能可能会自动拒绝该主张，即使情况自然发展并且任何医生都会采取同样的行动。如果不及早发现这些人工智能驱动的拒绝，医院可能会损失大量收入。

同样，如果化疗或放疗继续超过批准的期限，人工智能算法可能会拒绝化疗或放疗，即使医生说治疗必须继续。如果不及时重新授权，医院将面临巨大的财务损失。

人工智能与人工智能：一场失败的战斗？

为了应对付款人人工智能拒绝付款的情况，一些医院已经实施了自己的人工智能工具来处理索赔。虽然这看起来是一个不错的解决方案，但它可能会适得其反。付款人的人工智能系统越来越复杂，有时可以检测到它们何时受到另一个人工智能系统而不是技术人员的反击。这可能会引发更多拒绝，因为付款系统可能会忽略或拒绝自动响应，认为它们不太可信。

人工智能缺乏像训练有素的临床医生那样解释医疗护理复杂性的能力。当人工智能系统相互争斗时，结果往往是一连串错误并错失上诉机会。过于依赖人工智能而缺乏人工监督的医院可能会发现自己陷入了难以摆脱的否认循环。付款人人工智能认识到人类专业知识的缺乏，可能会更加积极地发出拒绝信息。

应对人工智能挑战

尽管人工智能带来了困难，但医院可以采取几个步骤来减少其对收入的影响：

1. 利用人类的专业知识：人工智能错误通常需要人工干预。接受过培训以预测人工智能相关拒绝的临床医生和收入周期团队，结合完整的文档和背景，可以减少拒绝并提高上诉的成功率。
2. 了解算法：医院必须了解人工智能系统的工作原理。仔细分析病历、与医生进行清晰的沟通以及确定拒绝的根本原因可以预防未来的问题出现。
3. 适应新系统：在某些情况下，医院通过适应付款人人工智能算法引入的新评分系统，成功减少了拒绝。例如，一家医院在了解并调整付款人人工智能使用的新评分系统后，显着减少了与败血症相关的索赔被拒绝的情况。这种积极主动的方法为医院每次护理节省了数千美元。
4. 识别模式并保持积极主动：医院应识别拒绝的模式并相应地调整流程。积极争取化疗等治疗方法的重新授权，这些治疗方法通常具有有限的批准期限，可以防止因授权失败而造成的收入损失。

展望未来

随着人工智能在理赔处理中继续发挥更大作用，医院将面临与拒绝、审计和上诉相关的越来越多的挑战。然而，这些挑战也提供了通过平衡人力专业知识与技术来改善收入周期管理的机会。了解付款人人工智能的运作方式并确保索赔过程中的人工监督可以帮助医院减少错误拒绝。

虽然人工智能可以提供帮助，但人类的判断在管理复杂的医疗索赔方面仍然至关重要。医院应避免过度依赖人工智能工具来应对否认。通过将临床专业知识与解决付款人人工智能驱动决策的战略方法相结合，医院可以更好地保护其收入，并避免因拒绝增加而造成代价高昂的后果。

最终，在收入周期流程中保持强大的人为因素的医院将能够更好地应对人工智能驱动的索赔拒绝的挑战，并最大限度地减少其对财务绩效的影响。

图片：tumsasedgars，盖蒂图片社

这篇文章出现在 医学城影响者程序。任何人都可以通过 MedCity Influencers 在 MedCity News 上发表他们对医疗保健业务和创新的看法。 单击此处了解如何操作。