关键的自动化机会医疗保健领导者必须关注下一个

已发表: 2022-07-22

全球卫生系统不堪重负,人手不足。 医院已经从医疗保健工作者身上榨取了所有可能的效率,与用于治疗患者的时间相比,执行管理任务占用了医疗服务提供者的时间比例惊人地大。 人工智能工具的使用——例如处方和图表注释的语音到文本转录,以及自动化的人员调度程序——开始减轻管理负担。

自动化保险范围验证和低风险的事先授权可能是医疗保健领导者试图通过创新解决行业劳动力短缺的下一个重要步骤。 Sorcero 机器学习副总裁 Sandra Carrico 表示,保险理赔和事先授权通常需要医护人员打电话、发送电子邮件和短信,在某些情况下还需要将表格传真给保险公司,然后等待回复。生命科学语言智能平台专注于患者结果、提高生产力和监管监控。

想要在人工智能方面取得长足进步的医疗保健领导者需要适应比以往更快的行动——而且必须打破供应商和保险公司之间牢固、既定的界限。

根据非营利组织平价医疗保健委员会 (CAQH) 2021 年的一份报告,平均而言,手动事先授权平均需要 21 分钟的员工时间,而单次授权最多可能需要 45 分钟。健康计划、提供者、政府机构和标准制定机构的联盟。 “如果我们可以自动执行事先授权,我们就可以更好地利用我们训练有素的医疗保健专业人员,”Carrico 说。 “从生产力的角度来看,这是一场简单的胜利。”

这也是一个明显的财务胜利。 根据前面提到的 CAQH 报告,保险公司和医疗保险等其他支付方可以通过自动化事先授权每年节省多达 4.37 亿美元。 该组织估计,通过全面采用自动化,整个医疗保健行业每年可以减少 133 亿美元的管理成本。

该图显示,2019 年接受调查的医疗保健业务领导者中有 82% 表示人工智能已经改善了工作流程。大约 45% 的人表示,人工智能增加了进行患者咨询、检查和程序的时间。 61% 的人表示,人工智能减少了供应商编写报告和维护记录的时间。

拆墙

Carrico 说,将预先授权自动化的主要障碍之一是供应商和保险公司之间的数据孤岛,在这家健康保险巨头从传统保险公司转变为承保和护理期间,他是 Anthem 的首席人工智能架构师。基于数据、人工智能和机器学习的平台。

至少自 2018 年以来,美国医学协会一直在呼吁向自动化和简化的事先授权过渡。医疗保健系统各级的数据统一性和透明度是该组织指导文件中规定的关键改革原则。 尽管如此,根据 CAQH 的说法,事先授权是医疗机构实施高级计算最不活跃的领域之一。

相关:开放人才如何推动医疗保健的数字化转型

不幸的是,医疗保健行业的发展非常缓慢,拥有人体系统集成博士学位的解决方案架构师、技术系统咨询公司 Invicton Labs 的创始人 Kyle Kotowick 指出。 “他们对 IT 采取与新医疗技术和程序相同的方法:在受控环境中仔细测试它,确保它不会造成任何伤害,然后在收益超过成本时考虑采用它,”他说.

但是,想要在人工智能方面取得长足进步的医疗保健领导者需要适应比以往更快的行动——而且必须打破供应商和保险公司之间牢固、既定的界限。 “如果你要解决这些问题,你将不得不打破规则,”卡里科说。

引进顶尖人才

对于试图实施人工智能的医疗保健领导者来说,争夺人才是一个持续的挑战。 Toptal 医疗保健和生命科学领域的高级客户合作伙伴 Raj Vishnu 表示,传统医疗保健公司一直难以争夺实现这些飞跃进入高级患者护理所需的人才。公司开发了人工智能中心并进行了其他数字创新。

该图显示,95% 的医疗保健高管表示他们正在优先招聘人工智能人才,92% 的人表示任何使用人工智能驱动数据的员工都应该至少对人工智能的工作原理有所了解。

他说,既然谷歌和 AWS 等大型科技公司已经进入医疗保健领域,医疗保健公司就更难锁定拥有先进技能的全职科技工作者。

“在过去几年中,技术一直在呈指数级变化,但人才市场正在呈线性增长,这意味着差距每天都在扩大,”毗湿奴说。 “因此,医疗保健公司拥有强大的人才模型以有效应对未来状态至关重要。”

使用具备构建高级计算机模型能力的人才队伍是一种选择。 他说,与竞争聘用稀缺的全职技术人员相比,这可能更具成本效益,而且还能让团队保持敏捷,并能够根据需要进行调整和创新。 Carrico 说,公司还需要接触操作人员——称为机器学习操作或 ML Ops——他们将负责日常运行自动化。

雇用人员进行 ML Ops 可能比雇用团队构建系统更具挑战性。 “这些工具还不成熟,人们不明白要问什么问题,模式还没有很好地建立起来,也没有得到广泛的理解,”她指出。

相关:浏览 Toptal 的 AI 人才开发人员技能目录

在医疗保健领域推进人工智能

与 Toptal 合作的大型公司现在将 AI 用于客户服务、计费、护理管理和裁定索赔。 在 2021 年的虚拟股东大会上,该公司首席数字官表示,该公司预计未来几年将实现 50% 的工作自动化。

现在是其他有远见的健康保险公司站出来引领这一潮流的时候了。 “所有信息都通过保险公司,因为他们是付款人,”毗湿奴说。 “在我们合作的医疗保健公司,Toptal 的人才最终构建了他们的整个人工智能平台,该平台意识到他们获得的所有信息:索赔信息、临床数据、人口统计信息、可穿戴数据,所有这些——它形成了所谓的数据湖。”

正是在这种深度数据流上,可以做出较小的事先授权决策,以及其他自动决策。 “这对保险公司和患者以及医生办公室来说都是双赢的,”他说。 “仅仅因为现有关系的性质,一些采用会犹豫不决,但这些都是将被克服的障碍。 患者将看到的价值是如此巨大,以至于系统会适应——它对所有参与者都同样有益。”