Kluczowa szansa na automatyzację Liderzy opieki zdrowotnej muszą skoncentrować się na następnym

Globalne systemy opieki zdrowotnej są przeciążone i brakuje im personelu. Szpitale wycisnęły z pracowników służby zdrowia wszelką możliwą wydajność, a wykonywanie zadań administracyjnych zajmuje niepokojąco duży odsetek czasu świadczeniodawców w porównaniu do czasu poświęconego na leczenie pacjentów. Korzystanie z narzędzi sztucznej inteligencji — takich jak transkrypcje głos na tekst w przypadku recept i notatek do wykresów oraz zautomatyzowane planowanie obsady stanowisk — zaczyna zmniejszać obciążenie administracyjne.

Automatyzacja weryfikacji ubezpieczenia i uprzednich zezwoleń niskiego ryzyka może być kolejnym ważnym krokiem dla liderów opieki zdrowotnej, którzy próbują w innowacyjny sposób przezwyciężyć niedobór siły roboczej w branży. Roszczenia ubezpieczeniowe i wcześniejsze zezwolenia często wymagają od pracowników służby zdrowia wykonywania połączeń telefonicznych, wysyłania e-maili i SMS-ów, a w niektórych przypadkach faksowania formularzy do firm ubezpieczeniowych, a następnie czekania na odpowiedzi, mówi Sandra Carrico, wiceprezes ds. uczenia maszynowego w Sorcero. Platforma inteligencji językowej nauk przyrodniczych skoncentrowana na wynikach pacjentów, zwiększonej produktywności i monitorowaniu przepisów.

Liderzy opieki zdrowotnej, którzy chcą poczynić postępy w zakresie sztucznej inteligencji, muszą czuć się komfortowo z poruszaniem się szybciej niż są do tego przyzwyczajeni — a silne, ustalone granice między dostawcami usług a firmami ubezpieczeniowymi będą musiały zostać przełamane.

Ręczna uprzednia autoryzacja zajmuje średnio 21 minut czasu personelu, a pojedyncza autoryzacja może zająć do 45 minut, zgodnie z raportem Council for Affordable Quality Healthcare (CAQH) z 2021 r., organizacji non-profit. sojusz planów zdrowotnych, dostawców, agencji rządowych i organów ustalających standardy. „Gdybyśmy mogli zautomatyzować uprzednią autoryzację, moglibyśmy znacznie lepiej wykorzystać naszych wysoko wykwalifikowanych pracowników służby zdrowia”, mówi Carrico. „Z punktu widzenia produktywności to prosta wygrana”.

To także wyraźna wygrana finansowa. Według wspomnianego raportu CAQH, firmy ubezpieczeniowe i inni płatnicy, tacy jak Medicare, mogą zaoszczędzić nawet 437 milionów dolarów rocznie dzięki automatyzacji uprzednich zezwoleń. Grupa szacuje, że branża opieki zdrowotnej jako całość mogłaby obniżyć koszty administracyjne o 13,3 miliarda dolarów rocznie dzięki pełnemu zastosowaniu automatyzacji.

Obalanie murów

Jedną z głównych przeszkód w automatyzacji uprzednich autoryzacji jest silosowanie danych między dostawcami a towarzystwami ubezpieczeniowymi, mówi Carrico, który był głównym architektem sztucznej inteligencji w Anthem w okresie, gdy gigant ubezpieczeń zdrowotnych przekształcił się z tradycyjnej firmy ubezpieczeniowej w ochronę i opiekę. platforma oparta na danych, sztucznej inteligencji i uczeniu maszynowym.

American Medical Association wzywa do przejścia na zautomatyzowane i uproszczone uprzednie zezwolenia od co najmniej 2018 r. Jednolitość danych i przejrzystość ze wszystkich poziomów systemu opieki zdrowotnej to kluczowe zasady reform określone w dokumentach przewodnich organizacji. Jednak według CAQH uprzednia autoryzacja jest jednym z najmniej aktywnych obszarów wdrażania zaawansowanych obliczeń przez organizacje opieki zdrowotnej.

Powiązane: Jak otwarty talent może napędzać cyfrową transformację opieki zdrowotnej

Niestety branża opieki zdrowotnej porusza się bardzo powoli, zauważa Kyle Kotowik, architekt rozwiązań z doktoratem w zakresie integracji systemów ludzkich i założyciel firmy konsultingowej ds. systemów technologicznych Invicton Labs. „Przyjmują takie samo podejście do IT, jak do nowych technik i procedur medycznych: dokładnie testują je w kontrolowanym środowisku, upewniają się, że nie wyrządzają żadnych szkód, a następnie rozważają jego zastosowanie, jeśli korzyści przewyższają koszty” – mówi .

Jednak liderzy opieki zdrowotnej, którzy chcą poczynić postępy w zakresie sztucznej inteligencji, muszą czuć się komfortowo z poruszaniem się szybciej niż są do tego przyzwyczajeni – a silne, ustalone granice między dostawcami usług a firmami ubezpieczeniowymi będą musiały zostać przełamane. „Jeśli zamierzasz rozwiązać te problemy, będziesz musiał złamać zasady”, mówi Carrico.

Wprowadzanie najlepszych talentów

Rywalizacja o talenty to ciągłe wyzwanie dla liderów opieki zdrowotnej, którzy próbują wdrożyć sztuczną inteligencję. Tradycyjne firmy opieki zdrowotnej zawsze miały problem z konkurowaniem o talenty potrzebne do dokonania tych skoków w kierunku zaawansowanej opieki nad pacjentami, mówi Raj Vishnu, starszy partner kliencki ds. opieki zdrowotnej i nauk przyrodniczych w Toptal, który umieścił wykwalifikowanych freelancerów w branży medycznej w firmie z listy Fortune 25, gdy firma rozwinęła swoje centrum AI i wprowadziła inne innowacje cyfrowe.

Teraz, gdy duże firmy technologiczne, takie jak Google i AWS, przeniosły się do przestrzeni opieki zdrowotnej, firmom opieki zdrowotnej jest jeszcze trudniej zamknąć pełnoetatowych pracowników technicznych z zaawansowanymi umiejętnościami, mówi.

„W ciągu ostatnich kilku lat technologia zmieniała się wykładniczo, ale rynek talentów poprawia się w skali liniowej, co oznacza, że ​​przepaść powiększa się z dnia na dzień”, mówi Vishnu. „Więc absolutnie kluczowe jest, aby firmy opieki zdrowotnej miały solidny model talentów, aby skutecznie radzić sobie z przyszłym stanem”.

Jedną z opcji jest wykorzystanie warunkowych zespołów talentów z możliwością budowania zaawansowanych modeli komputerowych. Mówi, że może to być bardziej opłacalne niż konkurowanie o zatrudnianie nielicznych pełnoetatowych pracowników technicznych, a także sprawia, że ​​zespoły są zwinne i zdolne do zmiany kierunku i wprowadzania innowacji w razie potrzeby. Firmy będą również potrzebować dostępu do pracowników operacyjnych – znanych jako operacje uczenia maszynowego lub ML Ops – którzy będą mieli za zadanie codzienne uruchamianie automatyzacji, mówi Carrico.

Zatrudnianie ludzi do ML Ops może być jeszcze większym wyzwaniem niż zatrudnianie zespołów do budowy systemów. „Narzędzia nie są jeszcze dojrzałe, ludzie nie rozumieją, jakie pytania zadać, wzorce nie są dobrze ugruntowane i nie są szeroko rozumiane”, zauważa.

Powiązane: Przeglądaj katalog umiejętności programistów Toptal pod kątem talentów AI

Postęp z AI w opiece zdrowotnej

Duża firma, z którą Toptal współpracowała, wykorzystuje teraz sztuczną inteligencję do obsługi klienta, rozliczeń, zarządzania opieką i rozstrzygania roszczeń. A podczas wirtualnego zgromadzenia akcjonariuszy w 2021 r. dyrektor ds. Cyfryzacji firmy powiedział, że firma spodziewa się zautomatyzować 50% swojej pracy w ciągu najbliższych kilku lat.

Nadszedł czas, aby inne myślące przyszłościowo towarzystwa ubezpieczeń zdrowotnych podjęły działania i poprowadziły tę opłatę. „Wszystkie informacje przepływają przez firmę ubezpieczeniową, ponieważ to ona jest płatnikiem” — mówi Wisznu. „W firmie medycznej, z którą współpracowaliśmy, Toptal talent ostatecznie zbudował całą swoją platformę AI, która jest świadoma wszystkich informacji, które otrzymuje: informacje o roszczeniach, dane kliniczne, informacje demograficzne, dane do noszenia, wszystko to… i tworzy to, co nazywamy jeziorem danych”.

To właśnie na tym głębokim przepływie danych można podejmować drobne uprzednie decyzje o autoryzacji, między innymi zautomatyzowane decyzje. „Jest to korzystne dla firmy ubezpieczeniowej i pacjenta, a także dla gabinetu lekarskiego” – mówi. „W niektórych adopcjach pojawi się wahanie tylko ze względu na charakter istniejących relacji, ale to wszystko są bariery, które zostaną przełamane. Wartość, jaką dostrzeże pacjent, jest tak duża, że ​​system się dostosuje – i będzie to równie korzystne dla wszystkich graczy”.