Gewinne:
- Verständnis der Phasen des Umsatzzyklus (Erfassung, Kodierung, Rechnungsstellung, Erstattung, Inkasso) und wo künstliche Intelligenz in jeder Phase Wechsel/Schecks erstellt
- Fähigkeit, SSI-/Rückzahlungsablehnungen mit Unterstützung künstlicher Intelligenz zu klassifizieren und Grundursachen- und Einspruchsentwürfe zu erstellen
- Das Verständnis dafür, dass die Einhaltung gesetzlicher Vorschriften und die endgültige Genehmigung bei der Rechnungsstellung und Codierung dem autorisierten Experten obliegen, und das Risiko, dass künstliche Intelligenz gefälschte Codes vorschlägt
Selbst wenn ein Krankenhaus einen Patienten heilt, kann es finanziell nicht überleben, wenn es die von ihm erbrachten Leistungen nicht ordnungsgemäß und pünktlich einziehen kann. Dieser gesamte Geldfluss wird als Einnahmenzyklus bezeichnet: Es handelt sich um den Finanzprozess, der mit der Registrierung des Patienten, der Kodierung der Leistung, der Rechnungsstellung, der Erstattung durch die Institution (meist SGK – Sozialversicherungsanstalt in der Türkei) und bis zum Inkasso beginnt. Der ärgerlichste Punkt dieses Zyklus ist die Ablehnung: SSI weigert sich, eine Rechnung zu bezahlen, weil sie sie für unvollständig/falsch hält. Ablehnung bedeutet, dass man für die geleistete Arbeit kein Geld erhalten kann. In dieser Einheit nutzen wir künstliche Intelligenz als Steuerungs- und Gestaltungsinstrument in jeder Phase des Umsatzzyklus. Doch hier gilt die schärfste Grenze: Abrechnung und Codierung sind geregelt; KI kann ungültigen Code fließend anpassen. Die endgültige Genehmigung jedes Codes und Einspruchs liegt beim autorisierten Experten.
Phasen des Umsatzzyklus
Teilen wir den Zyklus in fünf Phasen ein. Unter Registrierung versteht man die korrekte Eingabe von Patienten- und Versicherungsinformationen in das System; Ein Fehler hier (falscher Sicherungstyp) wird bis zum Ende übernommen. Unter Kodierung versteht man die Übersetzung der erbrachten Leistung in den offiziellen Transaktionscode (SUT – Health Practice Communiqué Codes in Türkiye). Unter Rechnungstellung versteht man die Übermittlung verschlüsselter Leistungen als Rechnung an die Erstattungseinrichtung. Die Rückerstattung ist die Phase, in der die Institution die Rechnung prüft und bezahlt (oder ablehnt). Beim Inkasso handelt es sich um den eigentlichen Geldeingang. Ablehnungen entstehen meist aufgrund von Fehlern in der Codierungs- und Abrechnungsphase: fehlende Dokumente, inkompatibles Diagnoseverfahren, doppelte Registrierung, Verstoß gegen die SUT-Regel.
Wo kann KI in diesem Zyklus nützlich sein? Prüfung auf fehlende Felder im Datensatz; Beim Codieren mögliche Codevorschläge (unbedingt verifiziert); Bei der Abrechnungs-Compliance-Vorkontrolle; Bei der Ablehnungsanalyse klassifizieren Sie Ablehnungen, finden die Grundursachen und verfassen einen Einspruchsantrag. Wo funktioniert es nicht? Bei der genauen Entscheidung, was der gültige Code ist – denn das wissen nur das aktuelle SUT und der Experte.
Beim Ablehnungsmanagement ist es wichtig, zwei unterschiedliche Zeithorizonte zu unterscheiden. Die erste ist die reaktive Arbeit: die Ablehnung analysieren und denjenigen widersprechen, die Recht haben, also versuchen, den Verlust wieder gutzumachen. Zweitens und noch wertvoller ist die präventive Arbeit: die Ermittlung der Grundursache für Ablehnungen und die Änderung des Prozesses, um sicherzustellen, dass es nicht erneut zu Ablehnungen kommt. Die meisten Institutionen verwenden ihre ganze Energie darauf, Einwände zu erheben. Wenn man dagegen Monat für Monat immer wieder aus demselben Grund abgelehnt wird, ist Einspruch nur so, als würde man einen Eimer mit einem Löffel ausleeren – die eigentliche Aufgabe besteht darin, den Wasserhahn zuzudrehen. KI ist auf beiden Horizonten hilfreich: Auf der reaktiven Seite beschleunigt sie die Ausarbeitung von Einwänden, auf der präventiven Seite macht sie das Ablehnungsmuster und die Grundursache sichtbar. Aber die präventive Änderung (Checkliste, Programmierschulung, Systemwarnung) vor Ort umzusetzen und die Gesetzgebung einzuhalten, ist eine menschliche Aufgabe.
Schritt für Schritt: Ausschussanalyse mit KI
- Sammeln Sie Absagen anonym ein. Anonyme Reihenfolge, Ablehnungscode/-grund, Transaktionsgruppe, Betrag statt Rechnungsnummer. Es gibt keine Patienten-ID.
- Klassifizieren. Bitten Sie die KI, Ablehnungen nach Grund zu gruppieren: fehlendes Dokument, Nichtübereinstimmung von Diagnose und Aktion, SUT-Regel, Duplikat.
- Pareto-Ausgabe. Die meisten Ablehnungen erfolgen in der Regel aus mehreren Gründen (80/20). Aus welchem Grund verlieren Sie am meisten Geld?
- Gehen Sie der Ursache auf den Grund. Untersuchen Sie für die größte Ablehnungsgruppe die „Warum“-Frage mit der 5-Warum-Methode.
- Vorbeugende Maßnahmen + Einspruchsentwurf. Empfehlen Sie Prozessänderungen, die Doppelarbeit verhindern; Drucken Sie bei begründeten Ablehnungen den Entwurf eines Einspruchsantrags aus.
- Expertengenehmigung. Jeder Kodex und Einspruch wird vom aktuellen SUT- und Einnahmen-/Kodierungsexperten überprüft. Der KI-Entwurf ersetzt keine Unterschrift.
Achtung: Der gefährlichste Fehler besteht darin, AI zu fragen „Was ist der SUT-Code dieser Transaktion“ und den Code direkt in die Rechnung einzugeben. Das Modell kann mit absoluter Sicherheit erkennen, dass Code nicht vorhanden oder veraltet ist. Der Code wird niemals ohne Bestätigung mit der offiziellen SUT-Liste verwendet.
drei Mini-Koffer
Fall 1 – Pareto der Ablehnung. Die monatliche Ablehnung eines Krankenhauses betrug 1.240 Rechnungen im Gesamtwert von 860.000 TL. Der Umsatzspezialist gab die anonymen Ablehnungsdaten an AI weiter. Die KI-Klassifizierung ergab, dass 62 Prozent der Ablehnungen aus zwei Gründen erfolgten: „unvollständiges Epikrisendokument“ und „Inkompatibilität zwischen Diagnose und Verfahren“. Das Team konzentrierte sich zunächst auf diese beiden: Die Checkliste für die Entlassungsdokumentation und die kodierungsdiagnostische Gegenprüfung wurden erstellt. Innerhalb von zwei Monaten halbierten sich die Ablehnungen aus diesen beiden Gründen und der monatliche Verlust verringerte sich um etwa 300.000 TL.
Fall 2 – Halluzinationscodefalle. Ein Mitarbeiter bat die KI um einen SUT-Code für eine neue Operation; Die KI gab fließend einen realistisch aussehenden Code wie „P612340“ zurück. Der Experte überprüfte: Dieser Code war nicht in der SUT-Liste, das Modell hatte ihn erfunden. Wäre die Eingabe ohne Überprüfung erfolgt, wären diese Rechnungen massenhaft abgelehnt oder sogar als fehlerhafte Codierung gewertet worden. Lektion: Der Code wird immer mit der offiziellen Liste bestätigt.
Fall 3 – Beschleunigung des Einspruchsentwurfs. Das Schreiben von Einwänden gegen berechtigte Ablehnungen in einer Einnahmeneinheit dauerte Stunden am Tag. Der Sachverständige übermittelte YZ die anonyme Ablehnungsbegründung und die relevante SUT-Grundlage und forderte einen Entwurf eines Einspruchsantrags an. Die KI erstellte in wenigen Minuten eine strukturierte Gliederung; Der Sachverständige hat die Grundlagen und Beträge geprüft und unterschrieben. Die Zeit für die Einspruchsvorbereitung verkürzte sich deutlich, die Anzahl der Einsprüche nahm zu und die eingezogenen Beträge stiegen. AI hat es geschrieben, der Experte hat es überprüft und die Verantwortung übernommen.
Vier kopierbare Vorlagen
1) Ablehnungsklassifizierung:
Ihre Rolle: Assistent des Umsatzzyklusanalysten. Nachfolgend finden Sie die anonymen Ablehnungsdaten: anonyme Sequenznummer, Ablehnungsgrund, Transaktionsgruppe, Betrag (keine Patienten-ID). Aufgabe: Gruppieren Sie die Ablehnungen nach dem Grund, subtrahieren Sie die Anzahl und den Gesamtbetrag jeder Gruppe und markieren Sie die 3 Gründe, die den größten Verlust verursachen. Fügen Sie keinen erfundenen Code oder Grund hinzu.
2) Grundursache (5 Gründe):
Die größte Ablehnungsgruppe ist „Nichtübereinstimmung von Diagnose und Verfahren“. Erstellen Sie dazu eine 5-Warum-Analyse: Schlagen Sie eine mögliche Antwort auf jede „Warum“-Frage vor, gehen Sie der Ursache auf den Grund und schlagen Sie drei Prozessänderungen vor, die eine Wiederholung verhindern. Geben Sie an, dass es sich hierbei um eine Hypothese handelt, die vor Ort überprüft werden muss.
3) Entwurf eines Einspruchsantrags:
Schreiben Sie unten einen ENTWURF eines Einspruchsantrags für eine anonyme Ablehnung: Grund für die Ablehnung [...], Grundlage der Zustellung [...], relevanter Gesetzesartikel [vom Experten auszufüllen]. Verwenden Sie eine formelle, respektvolle und begründete Sprache. Erfinden Sie NICHT die Gesetzesartikelnummer; Lassen Sie das Feld mit dem Tag [VERIFY] leer.
4) Vorab-Checkliste für die Registrierung:
Bereiten Sie vor der Rechnungsstellung eine Registrierungs-/Kodierungsvorab-Checkliste vor, die eine Ablehnung verhindert: Ist die Versicherungsart korrekt, ist sie mit der Diagnose und dem Verfahren kompatibel, sind die erforderlichen Dokumente (Epikrise, Bericht) vollständig, gibt es doppelte Datensätze? Lassen Sie jedes Element eine einzelne Zeile sein, markiert mit Ja/Nein.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Geben Sie den SSI-Code dieser Transaktion an und bereiten Sie ihn für die Rechnung vor.
Das ist gefährlich: Es ersetzt die offizielle Quelle durch die KI und birgt das Risiko von gefälschtem Code.
Kraftvolle Aufforderung:
Nachfolgend finden Sie unsere anonymen Ablehnungsdaten. Klassifizieren Sie die Ablehnungen nach dem Grund, ordnen Sie die Gründe, die den größten Verlust verursachen, in der Pareto-Reihenfolge und empfehlen Sie vorbeugende Maßnahmen für den größten. SUT-Code oder Gesetzesartikel, Herstellung, FALLS ERFORDERLICH; Markieren Sie „[Expertenüberprüfung]“.
Bühne
Beitrag der KI
menschliche Zustimmung
Registrierung
Vorabprüfung des fehlenden Bereichs
Standesbeamter
Codierung
Möglicher Codevorschlag (zur Bestätigung offen)
Codierungsexperte + SUT
Rechnungsstellung
Compliance-Pre-Checkliste
Umsatzspezialist
Ablehnungsanalyse
Klassifizierung, Pareto, Grundursache
Revenue Manager
Einspruch
Petitionsentwurf
Unterschrift des autorisierten Sachverständigen
Häufige Fehler
- Verwendung von KI-Code ohne Verifizierung. Gefälschter/älterer Code birgt das Risiko von Ablehnung und Unregelmäßigkeiten.
- Auf alle Ablehnungen auf einmal stürzen. Verwenden Sie Pareto und konzentrieren Sie sich zuerst auf den Grund, der Sie am meisten verlieren lässt.
- Die Grundursache umgehen. Wenn sich dieselbe Ablehnung wiederholt, bedeutet dies, dass der Prozess nicht korrigiert wurde.
- Die Gesetzgebung mit der KI in Einklang bringen. Die Artikelnummer wird immer von der offiziellen Quelle bestätigt.
- Verwechselung des Einspruchs mit einem nicht unterzeichneten Entwurf. Ohne fachmännische Kontrolle und Unterschrift wird der Entwurf nicht versendet.
Tipp: Kategorisieren Sie Ablehnungsgründe monatlich mit derselben Vorlage und behalten Sie einen Trend bei. Wenn eine Begründung sinkt und die andere steigt, werden Sie frühzeitig erkennen, ob Ihre Prozessänderung funktioniert. KI beschleunigt die Klassifizierung; Es ist Ihre Aufgabe, den Trend zu interpretieren.
Zusammenfassend
Der Umsatzzyklus ist die Art und Weise, wie Dienstleistungen in Geld umgewandelt werden, und Ablehnungen sind sein größtes Leck. KI; Es ist ein leistungsstarker Beschleuniger für die Klassifizierung von Ablehnungen, Pareto- und Ursachenextraktion, das Verfassen von Einsprüchen und die Vorregistrierung. Codierung und Abrechnung sind jedoch geregelt; KI kann ungültigen Code erstellen. Jeder Code wird vom offiziellen SUT überprüft, jeder Einspruch vom autorisierten Experten. Die Verantwortung und die endgültige Genehmigung verbleiben immer beim Menschen.
Anwendungsaufgabe
Erhalten Sie eine anonyme Ablehnungsliste (Grund, Transaktionsgruppe, Betrag) oder generieren Sie eine Hypothese. Fragen Sie AI nach der Pareto-Klassifizierung mit der Vorlage „Ablehnungsklassifizierung“ und finden Sie den Grund, der die meisten Verluste verursacht. Beschreiben Sie daher mit der „5 Whys“-Vorlage die Grundursache und schlagen Sie eine vorbeugende Maßnahme vor. Bitte beachten Sie in Artikel 5, dass Sie keinen SUT-Code akzeptieren, ohne ihn zu überprüfen, und dass die endgültige Genehmigung dem Experten obliegt.
Checkliste
- [ ] Habe ich die Ablehnungsdaten anonymisiert (keine Patientenidentifikation)?
- [ ] Habe ich keine von AI bereitgestellten Codes/Gesetze verwendet, ohne sie zu überprüfen?
- [ ] Habe ich bei Pareto den Grund mit den meisten Verlusten priorisiert?
- [ ] Habe ich die Grundursache gefunden und vorbeugende Maßnahmen definiert?
- [ ] Habe ich den Einspruchsentwurf einer fachmännischen Prüfung und Unterschrift unterzogen?