핵심 자동화 기회 의료 리더는 다음에 집중해야 합니다.

글로벌 의료 시스템은 압도되고 인력 부족입니다. 병원은 의료 종사자의 가능한 모든 효율성을 짜내고 관리 업무를 수행하는 것은 환자를 치료하는 데 소요되는 시간에 비해 놀라울 정도로 많은 시간을 제공자의 시간으로 차지합니다. 처방전 및 차트 메모에 대한 음성-텍스트 전사, 자동화된 인력 스케줄러와 같은 인공 지능 도구의 사용은 관리 부담을 줄이기 시작했습니다.

보험 적용 범위 확인 및 위험도가 낮은 사전 승인을 자동화하는 것은 업계의 노동력 부족을 통해 혁신을 시도하는 의료 리더를 위한 다음 주요 단계가 될 수 있습니다. 보험 청구 및 사전 승인은 의료 종사자가 전화를 걸고, 이메일과 문자를 보내고, 경우에 따라 보험 회사에 양식을 팩스로 보낸 다음 응답을 기다려야 하는 경우가 많습니다. 생명 과학 언어 인텔리전스 플랫폼은 환자 결과, 생산성 향상 및 규제 모니터링에 중점을 둡니다.

AI로 발전을 이루고자 하는 의료 리더는 이전보다 더 빠르게 이동하는 데 익숙해져야 하며, 공급자와 보험 회사 간의 강력하고 확립된 경계를 허물어야 합니다.

비영리 단체인 CAQH(Council for Affordable Quality Healthcare)의 2021년 보고서에 따르면 수동 사전 승인에는 평균 21분이 소요되며 단일 승인에는 최대 45분이 소요될 수 있습니다. 건강 플랜, 제공자, 정부 기관 및 표준 설정 기관의 연합. Carrico는 "사전 승인을 자동화할 수 있다면 고도로 훈련된 의료 전문가를 훨씬 더 잘 활용할 수 있습니다."라고 말합니다. "생산성 관점에서 보면 단순한 승리입니다."

그것은 또한 명백한 재정적 승리입니다. 앞서 언급한 CAQH 보고서에 따르면 보험 회사 및 메디케어와 같은 기타 지불자는 사전 승인을 자동화함으로써 연간 최대 4억 3,700만 달러를 절약할 수 있습니다. 이 그룹은 의료 산업 전반에 걸쳐 자동화를 완전히 도입함으로써 관리 비용을 연간 133억 달러 절감할 수 있을 것으로 추정합니다.

벽을 부수다

Anthem의 수석 AI 설계자였던 Carrico는 사전 승인 자동화의 주요 장애물 중 하나는 제공자와 보험 회사 간의 데이터 사일로라고 말합니다. 데이터, AI 및 머신 러닝을 기반으로 구축된 플랫폼입니다.

미국 의학 협회(American Medical Association)는 최소 2018년부터 자동화되고 간소화된 사전 승인으로의 전환을 요구해 왔습니다. 의료 시스템의 모든 수준에서 데이터 균일성과 투명성은 조직의 지침 문서에 규정된 핵심 개혁 원칙입니다. 그러나 CAQH에 따르면 사전 승인은 의료 기관에서 고급 컴퓨팅을 구현하는 데 가장 덜 활동적인 영역 중 하나입니다.

관련 항목: 개방형 인재가 의료 분야의 디지털 혁신을 주도하는 방법

불행히도 의료 산업은 매우 느리게 움직입니다. 인간 시스템 통합 박사 학위를 갖고 있고 기술 시스템 컨설팅 회사인 Invicton Labs의 설립자인 Kyle Kotowick은 말합니다. "그들은 새로운 의료 기술 및 절차에 대해 IT에 대해 동일한 접근 방식을 취합니다. 통제된 환경에서 신중하게 테스트하고, 해를 끼치지 않는지 확인한 다음, 이익이 비용보다 클 경우 채택을 고려합니다."라고 그는 말합니다. .

그러나 AI로 발전을 이루고자 하는 의료 리더는 이전보다 더 빨리 움직이는 데 익숙해져야 하며 공급자와 보험 회사 사이에 확고하게 확립된 경계를 허물어야 할 것입니다. Carrico는 “이러한 문제를 해결하려면 규칙을 깨야 합니다.

최고의 인재 영입

인재를 놓고 경쟁하는 것은 AI를 구현하려는 의료 리더에게 지속적인 과제입니다. 포춘지 선정 25대 의료 회사에 숙련된 기술 프리랜서를 배치한 Toptal의 의료 및 생명 과학 수석 클라이언트 파트너인 Raj Vishnu는 전통적인 의료 회사는 고급 환자 치료로 도약하는 데 필요한 인재를 놓고 경쟁하는 데 항상 어려움을 겪었다고 말했습니다. 회사는 AI 센터를 개발하고 기타 디지털 혁신을 수행했습니다.

이제 Google 및 AWS와 같은 대규모 기술 회사가 의료 분야로 이전했기 때문에 의료 회사가 고급 기술을 갖춘 정규직 기술 직원을 가두는 것이 훨씬 더 어렵습니다.

Vishnu는 "지난 몇 년 동안 기술은 기하급수적으로 변화했지만 인재 시장은 선형 규모로 개선되고 있습니다. 이는 격차가 날로 확대되고 있음을 의미합니다."라고 말합니다. "따라서 의료 회사가 미래 상태를 효과적으로 처리할 수 있는 강력한 인재 모델을 보유하는 것이 절대적으로 중요합니다."

고급 컴퓨터 모델을 구축할 수 있는 능력을 갖춘 임시 인재 팀을 사용하는 것도 하나의 옵션입니다. 그는 부족한 정규직 기술 인력을 고용하기 위해 경쟁하는 것보다 비용 효율적일 수 있으며 팀을 민첩하게 유지하고 필요에 따라 회전하고 혁신할 수 있다고 말합니다. Carrico는 회사는 또한 기계 학습 운영 또는 ML Ops로 알려진 운영 작업자에 대한 액세스 권한이 필요하며 이들은 매일 자동화를 실행해야 한다고 말합니다.

ML Ops를 수행할 사람을 고용하는 것은 시스템을 구축하기 위해 팀을 고용하는 것보다 훨씬 더 어려울 수 있습니다. "도구가 아직 성숙하지 않았고, 사람들이 어떤 질문을 해야 하는지 이해하지 못하고, 패턴이 잘 확립되지 않았으며, 널리 이해되지 않았습니다."라고 그녀는 말합니다.

관련: AI 인재를 위한 Toptal의 개발자 기술 디렉토리 찾아보기

의료 분야에서 AI로 나아가기

함께 일한 대기업 Toptal은 이제 AI를 고객 서비스, 청구, 케어 관리 및 청구 판결에 사용합니다. 그리고 2021년 가상 주주 총회에서 회사의 최고 디지털 책임자(CDO)는 회사가 향후 몇 년 동안 업무의 50%를 자동화할 것으로 예상한다고 말했습니다.

다른 미래 지향적인 건강 보험 회사들이 나서서 이 책임을 주도해야 할 때입니다. Vishnu는 "모든 정보는 보험 회사를 통해 전달됩니다. 보험 회사가 지불자이기 때문입니다."라고 말합니다. “우리가 함께 일한 의료 회사에서 Toptal 인재는 청구 정보, 임상 데이터, 인구 통계 정보, 웨어러블 데이터 등 그들이 얻는 모든 정보를 인식하는 전체 AI 플랫폼을 구축하게 되었습니다. 데이터 레이크라고 불리는 것을 형성합니다.”

다른 자동화된 결정 중에서 사소한 사전 승인 결정을 내릴 수 있는 것은 이 깊은 데이터 흐름에서 이루어집니다. “보험 회사와 환자는 물론 진료실도 윈-윈입니다.”라고 그는 말합니다. “기존 관계의 특성 때문에 일부 채택이 망설여지겠지만 모두 넘어야 할 장벽입니다. 환자가 보게 될 가치는 너무 커서 시스템이 적응할 것이며 모든 플레이어에게 동등하게 이익이 될 것입니다.”