關鍵的自動化機會醫療保健領導者必須關注下一個

已發表: 2022-07-22

全球衛生系統不堪重負,人手不足。 醫院已經從醫療保健工作者身上榨取了所有可能的效率,與用於治療患者的時間相比,執行管理任務佔用了醫療服務提供者的時間比例驚人地大。 人工智能工具的使用——例如處方和圖表註釋的語音到文本轉錄,以及自動化的人員調度程序——開始減輕管理負擔。

自動化保險範圍驗證和低風險的事先授權可能是醫療保健領導者試圖通過創新解決行業勞動力短缺的下一個重要步驟。 Sorcero 機器學習副總裁 Sandra Carrico 表示,保險理賠和事先授權通常需要醫護人員打電話、發送電子郵件和短信,在某些情況下還需要將表格傳真給保險公司,然後等待回复。生命科學語言智能平台專注於患者結果、提高生產力和監管監控。

想要在人工智能方面取得長足進步的醫療保健領導者需要適應比以往更快的行動——而且必須打破供應商和保險公司之間牢固、既定的界限。

根據非營利組織平價醫療保健委員會 (CAQH) 2021 年的一份報告,平均而言,手動事先授權平均需要 21 分鐘的員工時間,而單次授權最多可能需要 45 分鐘。健康計劃、提供者、政府機構和標準制定機構的聯盟。 “如果我們可以自動執行事先授權,我們就可以更好地利用我們訓練有素的醫療保健專業人員,”Carrico 說。 “從生產力的角度來看,這是一場簡單的勝利。”

這也是一個明顯的財務勝利。 根據前面提到的 CAQH 報告,保險公司和醫療保險等其他支付方可以通過自動化事先授權每年節省多達 4.37 億美元。 該組織估計,通過全面採用自動化,整個醫療保健行業每年可以減少 133 億美元的管理成本。

該圖顯示,2019 年接受調查的醫療保健業務領導者中有 82% 表示人工智能已經改善了工作流程。大約 45% 的人表示,人工智能增加了進行患者諮詢、檢查和程序的時間。 61% 的人表示,人工智能減少了供應商編寫報告和維護記錄的時間。

拆牆

Carrico 說,將預先授權自動化的主要障礙之一是供應商和保險公司之間的數據孤島,在這家健康保險巨頭從傳統保險公司轉變為承保和護理期間,他是 Anthem 的首席人工智能架構師。基於數據、人工智能和機器學習的平台。

至少自 2018 年以來,美國醫學協會一直在呼籲向自動化和簡化的事先授權過渡。醫療保健系統各級的數據統一性和透明度是該組織指導文件中規定的關鍵改革原則。 儘管如此,根據 CAQH 的說法,事先授權是醫療機構實施高級計算最不活躍的領域之一。

相關:開放人才如何推動醫療保健的數字化轉型

不幸的是,醫療保健行業的發展非常緩慢,擁有人體系統集成博士學位的解決方案架構師、技術系統諮詢公司 Invicton Labs 的創始人 Kyle Kotowick 指出。 “他們對 IT 採取與新醫療技術和程序相同的方法:在受控環境中仔細測試它,確保它不會造成任何傷害,然後在收益超過成本時考慮採用它,”他說.

但是,想要在人工智能方面取得長足進步的醫療保健領導者需要適應比以往更快的行動——而且必須打破供應商和保險公司之間牢固、既定的界限。 “如果你要解決這些問題,你將不得不打破規則,”卡里科說。

引進頂尖人才

對於試圖實施人工智能的醫療保健領導者來說,爭奪人才是一個持續的挑戰。 Toptal 醫療保健和生命科學領域的高級客戶合作夥伴 Raj Vishnu 表示,傳統醫療保健公司一直難以爭奪實現這些飛躍進入高級患者護理所需的人才。公司開發了人工智能中心並進行了其他數字創新。

該圖顯示,95% 的醫療保健高管表示他們正在優先招聘人工智能人才,92% 的人表示任何使用人工智能驅動數據的員工都應該至少對人工智能的工作原理有所了解。

他說,既然谷歌和 AWS 等大型科技公司已經進入醫療保健領域,醫療保健公司就更難鎖定擁有先進技能的全職科技工作者。

“在過去幾年中,技術一直在呈指數級變化,但人才市場正在呈線性增長,這意味著差距每天都在擴大,”毘濕奴說。 “因此,醫療保健公司擁有強大的人才模型以有效應對未來狀態至關重要。”

使用具備構建高級計算機模型能力的人才隊伍是一種選擇。 他說,與競爭聘用稀缺的全職技術人員相比,這可能更具成本效益,而且還能讓團隊保持敏捷,並能夠根據需要進行調整和創新。 Carrico 說,公司還需要接觸操作人員——稱為機器學習操作或 ML Ops——他們將負責日常運行自動化。

僱用人員進行 ML Ops 可能比僱用團隊構建系統更具挑戰性。 “這些工具還不成熟,人們不明白要問什麼問題,模式還沒有很好地建立起來,也沒有得到廣泛的理解,”她指出。

相關:瀏覽 Toptal 的 AI 人才開發人員技能目錄

在醫療保健領域推進人工智能

與 Toptal 合作的大型公司現在將 AI 用於客戶服務、計費、護理管理和裁定索賠。 在 2021 年的虛擬股東大會上,該公司首席數字官表示,該公司預計未來幾年將實現 50% 的工作自動化。

現在是其他有遠見的健康保險公司站出來引領這一潮流的時候了。 “所有信息都通過保險公司,因為他們是付款人,”毘濕奴說。 “在我們合作的醫療保健公司,Toptal 的人才最終構建了他們的整個人工智能平台,該平台意識到他們獲得的所有信息:索賠信息、臨床數據、人口統計信息、可穿戴數據,所有這些——它形成了所謂的數據湖。”

正是在這種深度數據流上,可以做出較小的事先授權決策,以及其他自動決策。 “這對保險公司和患者以及醫生辦公室來說都是雙贏的,”他說。 “僅僅因為現有關係的性質,一些採用會猶豫不決,但這些都是將被克服的障礙。 患者將看到的價值是如此巨大,以至於系統會適應——它對所有參與者都同樣有益。”