客座专栏：人工智能即将取代医疗保健领域最无聊的工作

当我第一次走进罗利一家中型门诊诊所的收入周期部门时，我预计会看到成堆的患者图表和帐单。相反，我发现的是一场悄无声息的危机：拒绝单堆放在垃圾箱里，工作人员在办公桌之间徘徊，打电话追缴付款人，还有一种无奈的挫败感。

我知道从我在宾夕法尼亚大学的研究和一个与杜克大学健康中心的合作伙伴关系，这不仅仅是忙碌的工作，而是诊所在收回收入方面日益严重的系统性失败，因为他们将索赔拒绝视为文书工作而不是可操作的数据。

多年来，我一直在研究人工智能如何帮助诊所回收本质上浪费的现金，甚至写了一本畅销书——死亡保险——关于这个话题。

平均索赔拒绝率在美国，这个比例徘徊在 15% 左右或更高，对于许多付款人和计划来说，这个比例甚至更高。这意味着尽管有临床文件、事先授权和患者资格检查，但提交的索赔中大约有五分之一被拒绝。

更令人烦恼的是，很多被拒绝的主张最终被推翻，这意味着该主张从一开始就不应该被拒绝。

在我们专注于索赔拒绝风险预测模型的工作中，我遇到了一个悖论：诊所拥有数据，但他们并不总是使用这些数据。我看到了有意围绕拒绝建立反馈循环的工作流程如何改善结果。在我创业时反力健康，我们应用这些经验教训，并构建工具，将其扩展到没有大型收入周期团队的小型诊所。

我从这项工作中最大的观察是，许多诊所领导者将拒绝视为会计上的麻烦，是开展业务的成本。我认为更有趣的角度是将它们视为智能。每次拒绝都带有元数据——付款人、拒绝原因、程序代码、日期、上诉结果。然而，只有少数诊所大规模挖掘这些信息。根据最近的研究，69% 的 AI 解决方案用户报告减少了索赔被拒绝的情况并改进了重新提交的情况。

诊所领导者应该停止像对待垃圾桶一样对待拒绝垃圾箱，而开始像对待金矿一样对待它们。因为每一项被拒绝且永远不会被上诉的索赔都是留在桌面上的收入。这是在利润已经微薄的时代生存和繁荣之间的区别。

以下是医疗保健提供者和诊所需要做出的具体转变：

1. 改变工作流程：不要在有人注意到拒绝时进行手动申诉，而是在提交时构建自动触发器。例如，人工智能可以标记高风险索赔在提交之前（资格不匹配、编码异常）并实时标记拒绝上诉或纠正措施。
2. 建立反馈循环：收集拒绝的原因并将其与特定于付款人的行动手册联系起来。模式将出现，例如“此付款人拒绝此诊断的 CPT 代码”或“此提供者类型始终错过此修饰符。” 使用分析以提供纠正培训。
3. 缩放机器：许多诊所无力承担完整的上诉部门的费用。解决方案不是再雇用五名账单员，而是构建一个人工智能系统，该系统可以对索赔进行分类、生成上诉文档、附加支持记录以及将高价值案例转交给人工审核。研究表明这些自动化步骤减少了浪费的支出。
4. 使其成为“董事会会议室材料”：当拒绝率仅限于后台指标时，它们就不会得到战略关注。所以，提升他们。高管层应该将“拒绝”视为“收入损失”，与“缺席=利润损失”或“供应浪费=机会损失”同等对待。解决拒绝问题应被视为增长杠杆，而不是成本中心。
5. 依靠合作伙伴和聚合商：对于小型诊所来说，获得集体付款人分析、共享基准和最佳实践可能是竞争的唯一途径。我在 Counterforce Health 的工作旨在使这种访问民主化，以便非医院系统诊所不承担构建自己的 RCM 分析的全部负担从头开始。

我认为医疗保健计费领域的真正革命已经开始，因为人工智能不再是“未来”的承诺，而是已经在收入周期运营中活跃起来。但许多诊所仍然处于休眠状态，将上诉视为被动的混乱而不是主动的机会。他们通过电话追逐付款人，而不是追逐数据中的情报。

在我们的研究过程中一直困扰着我的问题是：如果你能将你的诊所的拒绝率降低百分之五呢？在许多诊所，这个小班费相当于每年数万或数十万美元。那么为什么将其视为可选呢？

我们在生活中总是给自己讲这样的故事：“拒绝发生”“付款人总是这样做”“这只是计费团队的问题”。但是，讲得足够长的故事就会成为失败的剧本。现在是诊所领导重写剧本的时候了。

索赔被拒绝不是开展业务的成本，而是忽视业务的成本。自动化可以增加收入并减少在医疗保健领域最无聊的工作上花费的时间。参与的诊所人工智能驱动的拒绝情报不仅会恢复收入，而且实际上会增强韧性。在利润缩减和复杂性增加的系统中，弹性就是一切。

尼尔·K·沙阿 是一位专门研究人工智能的医疗保健研究员。他是约翰·霍普金斯大学的首席研究员丫丫引导人工智能创新宾夕法尼亚大学人工智能用于健康保险拒绝的项目和联合首席研究员反力人工智能项目。尼尔还曾在北卡罗来纳州服役老龄化指导委员会。他是以下公司的首席执行官关怀亚亚, 主席反力健康和作者死亡保险：健康保险如何困扰美国人——以及我们如何收回它。

© 2025 国会广播公司版权所有