Находясь под давлением необходимости сбора неоплаченной выручки, медицинские биллинговые команды сталкиваются с фрагментированными системами, из-за которых они вынуждены тратить драгоценное время просто на то, чтобы определить, что требует внимания.
Они могут искать неоплаченные остатки или выборочно проверять статусы претензий на разных платформах. Не имея единого способа приоритизации работы, специалисты могут выполнять действия везде, где обнаруживают потенциальную возможность возмещения средств.
Это называется «поиском работы», и это далеко от эффективного и результативного управления циклом доходов (RCM). Проблема возникает тогда, когда слишком много внимания уделяется последующим действиям по сбору выручки, а не улучшению процессов на начальных этапах. Иными словами, если медицинские организации чрезмерно увлекаются преследованием отдельных платежей вместо разработки более стратегического процесса для рабочих процессов RCM, они, скорее всего, создадут себе проблемы и упустят возможности.
В то же время внедрение улучшений процессов RCM — это сложная задача для команд, работающих с ограниченными ресурсами. К счастью, искусственный интеллект (ИИ) может помочь. При ответственном использовании ИИ может помочь биллинговым специалистам перейти от поиска работы к ее проактивному выявлению, приоритизации, маршрутизации и выполнению. Они также могут помочь прогнозировать тенденции плательщиков, которые влияют на практику кодирования и выставления счетов, чтобы сократить бесполезную работу в дальнейшем.
Все это приводит к повышению ценности как в плане сбора доходов, так и в плане экономии времени. Вот как именно.
Стоимость неэффективных операций цикла доходов
Некоторые команды подходят к задачам RCM вручную и избирательно. Эти задачи часто включают в себя поиск неоплат, выбор претензий для последующей работы или повторной подачи, а также переключение между различными системами для индивидуального выявления и решения проблем.
Это изолированный и часто неорганизованный подход, который истощает ресурсы команд и вызывает малую ценность при высокой степени разочарования.
И тем не менее, понятно, почему происходит поиск работы. Команды финансовых операций в сфере здравоохранения делают все возможное в условиях ограниченных ресурсов и продолжающейся финансовой напряженности. Эти проблемы могут быть особенно острыми для небольших и сельских медучреждений, где ограничения в штате могут усиливать последствия неэффективных рабочих процессов.
Тем не менее, поиск работы — это решение, которое может усугубить саму проблему, которую оно пытается решить: неэффективный RCM является одной из причин того, что поставщики услуг недополучают до 5% выручки.1 Бесполезные поиски просроченных сумм или поданных претензий создают административную нагрузку и издержки в то время, когда многие медицинские команды не могут позволить себе ни того, ни другого.
Это происходит потому, что ручной поиск работы отнимает время, которое должно быть потрачено на те области, которые имеют наибольшее финансовое значение. Например, рассмотрим следующие более скрытые, но потенциально значимые последствия поиска работы:
- Ресурсы персонала расходуются на низкоценные поиски.
- Специалисты работают с не теми претензиями и не в то время.
- Вмешательства задерживаются.
- Отсутствует механизм извлечения уроков из повторяющихся проблем с плательщиками.
В конечном счете, когда рабочие процессы RCM фрагментированы, у биллингового персонала нет четкого направления или делегирования задач. Без такого руководства приходится вручную определять, какую работу нужно выполнить в следующий раз, вместо того чтобы полагаться на стратегический процесс, в рамках которого работа эффективно распределяется по приоритетам и направляется биллинговым командам.
Итак, проблема налицо: RCM требует от команд постоянного выявления того, что требует внимания, приоритизации, маршрутизации, принятия мер и итеративного извлечения уроков из этого опыта. Хотя устаревшие системы RCM имеют базовые возможности фильтрации, которые помогают в этом, они не обязательно могут отделить высокоприоритетные задачи (например, понимание того, какие отказы следует обжаловать и как именно) от остальных.
Это та сфера, в которой превосходит ИИ, что делает управление циклом доходов столь перспективным вариантом его применения.
Использование ИИ в RCM в здравоохранении
ИИ, аналогичный тому, который реализован в athenaOne®, поддерживает более эффективный и умный подход к RCM несколькими различными способами.
Во-первых, он может сократить поиск работы. Агенты действуют как менеджеры проектов, помогая определить, какую работу нужно выполнить следующей, расставить приоритеты, а также выполнить работу или направить ее RCM-специалистам. Эти инструменты могут, например, автоматизировать проверку претензий и отправлять оповещения при необходимости определенных действий. Благодаря такой поддержке биллинговые команды не должны тратить время на поиски невыполненных задач — работа направляется непосредственно им.
Еще один способ помощи ИИ заключается в предиктивной аналитике. Эта функция дает биллинговым командам уникальную возможность предвосхищать, преодолевать и даже упреждать проблемы с плательщиками или платежами.
Например, технология может:
- Анализировать тенденции обработки платежей плательщиками для рекомендации оптимальных периодов последующей работы.
- Автоматизировать рекомендации по отказам с предлагаемыми изменениями перед повторной подачей претензии.
- Выявлять потенциальных кандидатов на списание для проверки уполномоченным персоналом на основе определенных организацией политик и пороговых значений.
- Анализировать тенденции отказов для предотвращения отказов в будущем.
- Поддерживать кодеров с помощью технологии, которая определяет коды CPT, как это делает Express Coding в athenaOne.
Наличие инструментов ИИ, интегрированных в единую систему RCM на базе ИИ, как в случае с athenaOne, имеет решающее значение. Любая медицинская команда может комбинировать различные специализированные решения для разных целей, но если цель состоит в том, чтобы сократить поиск работы, это также означает сокращение необходимости перекрестной проверки нескольких платформ для получения нескольких фрагментов информации. Кроме того, интегрированная система дает преимущество в виде инструментов, которые со временем становятся лучше по мере того, как в модели для анализа поступает все больше данных.
Автоматизация рабочих процессов RCM высвобождает персонал для высокоценной работы
Как только рабочие процессы RCM становятся более интеллектуальными и автоматизированными с помощью ИИ, команды со временем начинают замечать преимущества. Операционная нагрузка начинает казаться менее тяжелой по мере ее ухода. Команды экономят время на поиск задач и могут ощущать большую осмысленность ежедневной работы, поскольку нерешенные вопросы сортируются, делегируются и выполняются в зависимости от приоритета.
Принятие решений в рамках RCM также может стать более обоснованным. Когда сотрудники знают, когда следует проводить повторную работу или как повторно подавать претензии, они с большей вероятностью доведут эти претензии до успешного возмещения.
Когда специалисты обладают большим количеством времени и более четкими приоритетами, они могут сосредоточиться на других, более важных направлениях, таких как взаимодействие с пациентами, что становится все более важным по мере того, как инструменты ИИ берут на себя задачи в других областях. Они также могут сберечь свои ресурсы для ручной проверки более сложных претензий, количество которых растет по мере развития процессов оказания медицинской помощи и политики плательщиков.
Достижение более интеллектуальных финансовых операций в здравоохранении
Более эффективный сбор доходов начинается с более скоординированного процесса RCM. Помогая командам выявлять и приоритизировать работу, выявлять закономерности плательщиков и автоматизировать рутинные задачи, ИИ может сократить избегаемые ручные усилия и поддержать более обоснованные последующие действия. Интегрированная система RCM может помочь сотрудникам сосредоточить свое время там, где суждение и вмешательство имеют наибольшее значение.
Узнайте, как athenaOne использует ИИ для поддержки рабочих процессов RCM.
