المكاسب:
- فهم مراحل دورة الإيرادات (التسجيل، والترميز، والفواتير، والسداد، والتحصيل) وحيث يقوم الذكاء الاصطناعي بإنتاج المسودات/الشيكات في كل مرحلة
- القدرة على تصنيف حالات رفض SSI/السداد بدعم من الذكاء الاصطناعي وإنتاج مسودة السبب الجذري والاعتراض
- فهم أن الامتثال التنظيمي والموافقة النهائية في إعداد الفواتير والترميز يعود إلى الخبير المعتمد، ومخاطر الذكاء الاصطناعي الذي يقترح رموزًا مزيفة
وحتى لو قامت المستشفى بشفاء مريض، فإنها لا تستطيع البقاء مالياً إذا لم تتمكن من جمع الأموال بشكل صحيح وفي الوقت المحدد مقابل الخدمة التي تقدمها. يسمى تدفق الأموال بأكمله بدورة الإيرادات: إنها العملية المالية التي تبدأ من تسجيل المريض، وترميز الخدمة، والفواتير، والسداد من قبل المؤسسة (معظمها SGK - مؤسسة الضمان الاجتماعي في تركيا) وتمتد إلى التحصيل. النقطة الأكثر إزعاجًا في هذه الدورة هي الرفض: ترفض SSI دفع الفاتورة لأنها تجدها غير كاملة/غير صحيحة. الرفض يعني عدم القدرة على الحصول على أجر مقابل العمل المنجز. في هذه الوحدة سوف نستخدم الذكاء الاصطناعي كأداة مراقبة وصياغة في كل مرحلة من مراحل دورة الإيرادات. لكن الحد الأشد ينطبق هنا: يتم تنظيم الفوترة والتشفير؛ يستطيع الذكاء الاصطناعي تعديل التعليمات البرمجية غير الصالحة بطلاقة. الموافقة النهائية على كل رمز واعتراض تقع على عاتق الخبير المعتمد.
مراحل دورة الإيرادات
دعونا نقسم الدورة إلى خمس مراحل. التسجيل هو الإدخال الصحيح لمعلومات المريض والتأمين في النظام؛ يتم ترحيل الخطأ هنا (نوع المصهر غير الصحيح) إلى النهاية. الترميز هو ترجمة الخدمة المقدمة إلى رمز المعاملات الرسمي (SUT - رموز بيان الممارسة الصحية في تركيا). الفواتير هي نقل الخدمات المشفرة إلى مؤسسة السداد كفاتورة. السداد هو المرحلة التي تقوم فيها المؤسسة بمراجعة الفاتورة ودفعها (أو رفضها). التحصيل هو الاستلام الفعلي للمال. ينشأ الرفض في الغالب بسبب أخطاء في مرحلتي الترميز والفوترة: المستندات المفقودة، وإجراءات التشخيص غير المتوافقة، والتسجيل المكرر، وانتهاك قاعدة SUT.
أين يكون الذكاء الاصطناعي مفيدًا في هذه الدورة؟ التحقق من الحقول المفقودة في السجل؛ في مجال الترميز، اقتراحات التعليمات البرمجية المحتملة (يتم التحقق منها بالضرورة)؛ في مراقبة الامتثال المسبق للفواتير؛ في تحليل الرفض، وتصنيف حالات الرفض، وإيجاد الأسباب الجذرية، وصياغة عريضة الاعتراض. أين لا يعمل؟ في تحديد الرمز الصحيح بالضبط - لأن SUT الحالي والخبير فقط يعرفان ذلك.
ومن المهم التمييز بين آفاق زمنية مختلفة في إدارة الرفض. الأول هو العمل التفاعلي: تحليل الرفض والاعتراض على أصحاب الحق، أي محاولة استعادة الخسارة. ثانياً، والأكثر قيمة، هو العمل الوقائي: العثور على السبب الجذري لحالات الرفض وتغيير العملية لضمان عدم تكرار حالات الرفض مرة أخرى. معظم المؤسسات تنفق كل طاقتها على الاعتراض؛ بينما إذا تلقيت الرفض مرارًا وتكرارًا لنفس السبب شهرًا بعد شهر، فإن الاعتراض هو مجرد إفراغ دلو بملعقة - والمهمة الحقيقية هي إغلاق الصنبور. الذكاء الاصطناعي مفيد على كلا الجانبين: على الجانب التفاعلي، يعمل على تسريع صياغة الاعتراضات، وعلى الجانب الوقائي، يجعل نمط الرفض والسبب الجذري مرئيين. لكن تنفيذ التغيير الوقائي (قائمة المراجعة، والتدريب على الترميز، وتحذير النظام) في الميدان والامتثال للتشريعات هو عمل إنساني.
خطوة بخطوة: تحليل الرفض باستخدام الذكاء الاصطناعي
- جمع الرفض بشكل مجهول. تسلسل مجهول، رمز/سبب الرفض، مجموعة المعاملات، المبلغ بدلاً من رقم الفاتورة. لا يوجد هوية للمريض.
- تصنيف. اطلب من الذكاء الاصطناعي تجميع حالات الرفض حسب السبب: المستند مفقود، عدم تطابق إجراء التشخيص، قاعدة SUT، مكرر.
- إخراج باريتو. تأتي معظم حالات الرفض عادة لعدة أسباب (80/20). ما هو السبب الذي يجعلك تخسر أكبر قدر من المال؟
- الوصول إلى السبب الجذري. بالنسبة لأكبر مجموعة رفض، قم بفحص سؤال "لماذا" باستخدام طريقة 5 لماذا.
- الإجراء الوقائي + مسودة الاعتراض. التوصية بتغييرات العملية التي من شأنها منع الازدواجية؛ طباعة مسودة عريضة اعتراض على الرفض المبرر.
- موافقة الخبراء. يتم التحقق من كل رمز واعتراض بواسطة SUT الحالي وخبير الإيرادات/الترميز؛ لا تحل مسودة الذكاء الاصطناعي محل التوقيع.
تنبيه: الخطأ الأكثر خطورة هو سؤال الذكاء الاصطناعي "ما هو رمز SUT لهذه المعاملة" وإدخال الرمز مباشرة في الفاتورة. يمكن للنموذج أن يخبر بثقة تامة أن الكود غير موجود أو أنه قديم. لن يتم استخدام الرمز أبدًا دون تأكيد من قائمة SUT الرسمية.
ثلاث حالات صغيرة
الحالة 1 - باريتو الرفض. وبلغ الرفض الشهري لأحد المستشفيات 1,240 فاتورة، بإجمالي 860,000 ليرة تركية. أعطى أخصائي الإيرادات بيانات الرفض المجهولة إلى منظمة العفو الدولية. وأظهر تصنيف الذكاء الاصطناعي أن 62% من حالات الرفض جاءت لسببين: "وثيقة التحليل غير المكتملة" و"عدم توافق إجراءات التشخيص". ركز الفريق على هذين الأمرين أولاً: تم إنشاء قائمة مراجعة وثائق التفريغ والفحص الشامل لتشخيص الترميز. وفي غضون شهرين، انخفضت حالات الرفض لهذين السببين إلى النصف، وانخفضت الخسارة الشهرية بمقدار 300000 ليرة تركية تقريبًا.
الحالة 2 - فخ رمز الهلوسة. طلب أحد الموظفين من الذكاء الاصطناعي رمز SUT لعملية جديدة؛ أعاد الذكاء الاصطناعي بطلاقة رمزًا واقعيًا مثل "P612340". تحقق الخبير من أن هذا الرمز لم يكن موجودًا في قائمة SUT، وقد قام النموذج باختلاقه. ولو تم إدخالها دون التحقق منها، لكانت هذه الفواتير قد تلقت رفضًا جماعيًا أو حتى تم اعتبارها ترميزًا غير لائق. الدرس المستفاد: يتم تأكيد الرمز دائمًا بالقائمة الرسمية.
الحالة 3 - تعجيل مسودة الاعتراض. وكانت كتابة الاعتراضات على الرفض المبرر في وحدة الإيرادات تستغرق ساعات في اليوم. قدم الخبير مبرر الرفض المجهول وأساس SUT ذي الصلة إلى YZ وطلب مسودة التماس اعتراض. أنتج الذكاء الاصطناعي مخططًا منظمًا في دقائق؛ قام الخبير بتدقيق الأسس والمبالغ والتوقيع عليها. انخفض وقت إعداد الاعتراض بشكل ملحوظ، وزاد عدد الاعتراضات، وزاد المبلغ المسترد. لقد كتبته منظمة العفو الدولية، وتحقق منه الخبير وتحمل المسؤولية.
أربعة قوالب قابلة للنسخ
1) تصنيف الرفض:
دورك: مساعد محلل دورة الإيرادات. فيما يلي بيانات الرفض المجهولة: الرقم التسلسلي المجهول، سبب الرفض، مجموعة المعاملات، المبلغ (بدون معرف المريض). المهمة: قم بتجميع حالات الرفض وفقًا للسبب، واطرح العدد والمبلغ الإجمالي لكل مجموعة، ثم حدد الأسباب الثلاثة التي تسبب أكبر قدر من الخسارة. لا تقم بإضافة رمز أو سبب مختلق.
2) السبب الجذري (5 أسباب):
أكبر مجموعة رفض هي "عدم تطابق إجراءات التشخيص". للقيام بذلك، قم بصياغة تحليل 5 لماذا: اقترح إجابة محتملة لكل سؤال "لماذا"، وتوصل إلى السبب الجذري، واقترح 3 تغييرات في العملية من شأنها منع التكرار. اذكر أن هذه فرضية ويجب التحقق منها ميدانيًا.
3) مشروع عريضة الاعتراض:
اكتب مسودة طلب اعتراض للرفض المجهول أدناه: سبب الرفض [...]، أساس الخدمة [...]، المادة التشريعية ذات الصلة [يتم ملؤها بواسطة خبير]. استخدم لغة رسمية ومحترمة وعقلانية. لا تقم بتكوين رقم المادة في التشريع؛ اتركه فارغًا مع علامة [VERIFY].
4) قائمة التسجيل المسبقة:
قبل الشروع في إعداد الفواتير، قم بإعداد قائمة مرجعية مسبقة للتسجيل/الترميز من شأنها أن تمنع الرفض: هل نوع التأمين صحيح، وهل هو متوافق مع التشخيص والإجراء، وهل الوثائق اللازمة (epicrisis، والتقرير) مكتملة، وهل هناك أي سجلات مكررة. اجعل كل عنصر عبارة عن سطر واحد، مع وضع علامة نعم/لا عليه.
موجه ضعيف / موجه قوي
حث ضعيف:
قم بتوفير رمز SSI لهذه المعاملة وقم بإعداده للفاتورة.
وهذا أمر خطير: فهو يستبدل الذكاء الاصطناعي بالمصدر الرسمي، مما يزيد من مخاطر الكود المخادع.
مطالبة قوية:
فيما يلي بيانات الرفض المجهولة لدينا. قم بتصنيف حالات الرفض حسب السبب، ورتب الأسباب التي تسبب أكبر خسارة في ترتيب باريتو والتوصية باتخاذ إجراءات وقائية للأكبر منها. المادة الخاصة بقانون SUT أو التشريع، والتلفيق إذا لزم الأمر؛ ضع علامة "[تحقق الخبراء]".
المرحلة
مساهمة الذكاء الاصطناعي
موافقة الإنسان
التسجيل
منطقة مفقودة الاختيار المسبق
المسجل
الترميز
اقتراح رمز محتمل (مفتوح للتأكيد)
خبير الترميز + SUT
الفواتير
قائمة التحقق المسبقة للامتثال
أخصائي الإيرادات
تحليل الرفض
التصنيف، باريتو، السبب الجذري
مدير الإيرادات
اعتراض
مسودة العريضة
توقيع الخبير المعتمد
الأخطاء الشائعة
- استخدام رمز الذكاء الاصطناعي دون التحقق. الكود المزيف/القديم يخلق خطر الرفض والمخالفات.
- التسرع في كل الرفضات دفعة واحدة. استخدم باريتو وركز على السبب الذي يجعلك تخسر أكثر من غيرك أولاً.
- تجاوز السبب الجذري. إذا تكرر نفس الرفض، فهذا يعني أنه لم يتم تصحيح العملية.
- جعل التشريعات تتوافق مع الذكاء الاصطناعي. يتم تأكيد رقم الصنف دائمًا من المصدر الرسمي.
- الخلط بين الاعتراض باعتباره مسودة غير موقعة. لن يتم إرسال المسودة دون مراقبة وتوقيع الخبراء.
نصيحة: قم بتصنيف أسباب الرفض شهريًا باستخدام نفس القالب وحافظ على الاتجاه. إذا انخفض أحد الأسباب المنطقية وارتفع الآخر، فسوف ترى مبكرًا ما إذا كان تغيير العملية الخاص بك ناجحًا أم لا. يعمل الذكاء الاصطناعي على تسريع عملية التصنيف؛ انها عملك لتفسير هذا الاتجاه.
في ملخص
دورة الإيرادات هي الطريقة التي يتم بها تحويل الخدمة إلى أموال، وحالات الرفض هي أكبر تسرب لها. منظمة العفو الدولية. إنه مُسرّع قوي لتصنيف حالات الرفض، واستخراج باريتو والأسباب الجذرية، وصياغة الطعون والتسجيل المسبق. لكن الترميز والفوترة يخضعان للتنظيم؛ يمكن للذكاء الاصطناعي أن يخترع رمزًا غير صالح. يتم التحقق من كل رمز من خلال SUT الرسمي، ويتم التحقق من كل اعتراض من قبل الخبير المعتمد. المسؤولية والموافقة النهائية تبقى دائما على عاتق الإنسان.
مهمة التطبيق
احصل على قائمة رفض مجهولة المصدر (السبب، مجموعة المعاملات، المبلغ) أو قم بإنشاء قائمة افتراضية. اطلب من الذكاء الاصطناعي تصنيف باريتو باستخدام قالب "تصنيف الرفض" وابحث عن السبب الذي يسبب أكبر قدر من الخسائر. لهذا السبب، حدد السبب الجذري باستخدام قالب "5 لماذا" واقترح إجراءً وقائيًا. يرجى العلم في المادة 5 أنه لا تقبل أي رمز SUT دون التحقق منه وأن الموافقة النهائية تعود للخبير.
قائمة مرجعية
- [ ] هل قمت بإخفاء بيانات الرفض (لا يوجد تعريف للمريض)؟
- [ ] هل لم أستخدم أي قانون/تشريع مقدم من الذكاء الاصطناعي دون التحقق منه؟
- [ ] هل أعطيت الأولوية للسبب الأكثر خسارة مع باريتو؟
- [ ] هل وجدت السبب الجذري وحددت الإجراء الوقائي؟
- [ ] هل أخضعت مسودة الاعتراض لرقابة الخبراء وتوقيعهم؟