નફો:
- આવક ચક્રના તબક્કાઓને સમજવું (રેકોર્ડિંગ, કોડિંગ, ઇન્વૉઇસિંગ, રિઇમ્બર્સમેન્ટ, કલેક્શન) અને જ્યાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ દરેક તબક્કે ડ્રાફ્ટ/ચેક બનાવે છે
- આર્ટિફિશિયલ ઇન્ટેલિજન્સ સપોર્ટ સાથે SSI/ચુકવણી અસ્વીકારને વર્ગીકૃત કરવાની અને મૂળ કારણ અને વાંધાનો ડ્રાફ્ટ તૈયાર કરવાની ક્ષમતા
- ઇન્વોઇસિંગ અને કોડિંગમાં નિયમનકારી અનુપાલન અને અંતિમ મંજૂરી અધિકૃત નિષ્ણાતની છે તે સમજવું અને નકલી કોડ સૂચવતી કૃત્રિમ બુદ્ધિનું જોખમ
જો હોસ્પિટલ દર્દીને સાજા કરે તો પણ, જો તે પૂરી પાડે છે તે સેવા માટે તે યોગ્ય રીતે અને સમયસર એકત્રિત ન કરી શકે તો તે આર્થિક રીતે ટકી શકશે નહીં. આ સમગ્ર નાણાં પ્રવાહને આવક ચક્ર કહેવામાં આવે છે: તે નાણાકીય પ્રક્રિયા છે જે દર્દીની નોંધણીથી શરૂ થાય છે, સેવાના કોડિંગ, ઇન્વૉઇસિંગ, સંસ્થા દ્વારા ભરપાઈ (મોટેભાગે SGK - તુર્કીમાં સામાજિક સુરક્ષા સંસ્થા) અને સંગ્રહ સુધી વિસ્તરે છે. આ ચક્રનો સૌથી હેરાન કરનાર મુદ્દો અસ્વીકાર છે: SSI એ અધૂરું/ખોટું શોધીને ઇનવોઇસ ચૂકવવાનો ઇનકાર કરે છે. અસ્વીકારનો અર્થ થાય છે કે કરવામાં આવેલ કામ માટે ચૂકવણી કરવામાં સક્ષમ ન હોવું. આ એકમમાં અમે આવક ચક્રના દરેક તબક્કે નિયંત્રણ અને મુસદ્દા તૈયાર કરવાના સાધન તરીકે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ કરીશું. પરંતુ સૌથી કઠોર મર્યાદા અહીં લાગુ પડે છે: બિલિંગ અને કોડિંગ નિયમન થાય છે; AI અમાન્ય કોડને અસ્ખલિત રીતે અપનાવી શકે છે. દરેક કોડ અને વાંધાની અંતિમ મંજૂરી અધિકૃત નિષ્ણાત પાસે છે.
આવક ચક્રના તબક્કાઓ
ચાલો ચક્રને પાંચ તબક્કામાં વિભાજીત કરીએ. નોંધણી એ સિસ્ટમમાં દર્દી અને વીમાની માહિતીની સાચી એન્ટ્રી છે; અહીં એક ભૂલ (ખોટો ફ્યુઝ પ્રકાર) અંત સુધી આગળ વહન કરવામાં આવે છે. કોડિંગ એ સત્તાવાર ટ્રાન્ઝેક્શન કોડ (SUT - Türkiye માં હેલ્થ પ્રેક્ટિસ કોમ્યુનિકે કોડ્સ) માં પ્રદાન કરવામાં આવતી સેવાનું ભાષાંતર છે. ઇન્વોઇસિંગ એ ઇનવોઇસ તરીકે રિઇમ્બર્સમેન્ટ સંસ્થાને કોડેડ સેવાઓનું ટ્રાન્સમિશન છે. વળતર એ એવો તબક્કો છે કે જેમાં સંસ્થા ઇન્વૉઇસની સમીક્ષા કરે છે અને ચૂકવણી કરે છે (અથવા નકારે છે). સંગ્રહ એ નાણાંની વાસ્તવિક રસીદ છે. અસ્વીકાર મોટે ભાગે કોડિંગ અને બિલિંગ તબક્કામાં ભૂલોથી ઉદ્ભવે છે: ગુમ થયેલ દસ્તાવેજો, અસંગત નિદાન-પ્રક્રિયા, ડુપ્લિકેટ નોંધણી, SUT નિયમનું ઉલ્લંઘન.
આ ચક્રમાં AI ક્યાં કામમાં આવે છે? રેકોર્ડમાં ગુમ થયેલ ક્ષેત્રો માટે તપાસી રહ્યું છે; કોડિંગમાં, શક્ય કોડ સૂચનો (જરૂરી રીતે ચકાસાયેલ); બિલિંગ અનુપાલન પૂર્વ નિયંત્રણમાં; અસ્વીકાર વિશ્લેષણમાં, અસ્વીકારનું વર્ગીકરણ, મૂળ કારણો શોધવા અને વાંધા અરજીનો મુસદ્દો તૈયાર કરવો. તે ક્યાં કામ કરતું નથી? માન્ય કોડ શું છે તે બરાબર નક્કી કરવામાં - કારણ કે ફક્ત વર્તમાન SUT અને નિષ્ણાત જ આ જાણે છે.
અસ્વીકાર વ્યવસ્થાપનમાં બે અલગ-અલગ સમયની ક્ષિતિજોને અલગ પાડવી મહત્વપૂર્ણ છે. પ્રથમ પ્રતિક્રિયાશીલ કાર્ય છે: અસ્વીકારનું વિશ્લેષણ કરવું અને જેઓ સાચા છે તેની સામે વાંધો ઉઠાવવો, એટલે કે, નુકસાનને પાછું મેળવવાનો પ્રયાસ કરવો. બીજું, અને વધુ મૂલ્યવાન, નિવારક કાર્ય છે: અસ્વીકારનું મૂળ કારણ શોધવું અને અસ્વીકાર ફરીથી ન થાય તેની ખાતરી કરવા પ્રક્રિયામાં ફેરફાર કરવો. મોટાભાગની સંસ્થાઓ વાંધા પર તેમની બધી શક્તિ ખર્ચ કરે છે; જ્યારે મહિના પછી એક જ કારણસર તમને વારંવાર અસ્વીકાર મળે છે, તો વાંધો માત્ર ચમચી વડે ડોલ ખાલી કરવાનો છે - વાસ્તવિક કામ નળ બંધ કરવાનું છે. AI બંને ક્ષિતિજ પર મદદરૂપ છે: પ્રતિક્રિયાશીલ બાજુએ તે વાંધાઓના મુસદ્દાને ઝડપી બનાવે છે, નિવારક બાજુએ તે અસ્વીકાર પેટર્ન અને મૂળ કારણને દૃશ્યમાન બનાવે છે. પરંતુ ક્ષેત્રમાં નિવારક ફેરફાર (ચેકલિસ્ટ, કોડિંગ તાલીમ, સિસ્ટમ ચેતવણી)નો અમલ કરવો અને કાયદાનું પાલન કરવું એ માનવીય કાર્ય છે.
પગલું દ્વારા પગલું: AI સાથે અસ્વીકાર વિશ્લેષણ
- અજ્ઞાત રૂપે અસ્વીકાર એકત્રિત કરો. અનામી ક્રમ, અસ્વીકાર કોડ/કારણ, ટ્રાન્ઝેક્શન જૂથ, ઇનવોઇસ નંબરને બદલે રકમ. કોઈ દર્દી આઈડી નથી.
- વર્ગીકરણ. AI ને કારણ દ્વારા જૂથ અસ્વીકાર કરવા માટે કહો: દસ્તાવેજ ખૂટે છે, નિદાન-ક્રિયા મેળ ખાતી નથી, SUT નિયમ, ડુપ્લિકેટ.
- પેરેટો આઉટપુટ. મોટા ભાગના અસ્વીકાર સામાન્ય રીતે અનેક આધારો પર આવે છે (80/20). કયા કારણથી તમે સૌથી વધુ પૈસા ગુમાવો છો?
- મૂળ કારણ પર જાઓ. સૌથી મોટા અસ્વીકાર જૂથ માટે, 5 શા માટે પદ્ધતિ સાથે "શા માટે" પ્રશ્નનું પરીક્ષણ કરો.
- નિવારક કાર્યવાહી + વાંધા ડ્રાફ્ટ. પ્રક્રિયા ફેરફારોની ભલામણ કરો જે ડુપ્લિકેશનને અટકાવશે; વાજબી અસ્વીકાર માટે ડ્રાફ્ટ વાંધા અરજી છાપો.
- નિષ્ણાતની મંજૂરી. દરેક કોડ અને વાંધાઓ વર્તમાન SUT અને આવક/કોડિંગ નિષ્ણાત દ્વારા ચકાસવામાં આવે છે; AI ડ્રાફ્ટ સહીનું સ્થાન લેતું નથી.
ધ્યાન આપો: સૌથી ખતરનાક ભૂલ એ છે કે AI ને પૂછવું કે "આ વ્યવહારનો SUT કોડ શું છે" અને કોડ સીધા જ ઇનવોઇસમાં દાખલ કરો. મોડેલ સંપૂર્ણ વિશ્વાસ સાથે કહી શકે છે કે કોડ અસ્તિત્વમાં નથી અથવા જૂનો છે. સત્તાવાર SUT સૂચિ સાથે પુષ્ટિ કર્યા વિના કોડનો ક્યારેય ઉપયોગ કરવામાં આવશે નહીં.
ત્રણ નાના કેસો
કેસ 1 — અસ્વીકારનો પેરેટો. એક હોસ્પિટલનું માસિક ઇનકાર 1,240 ઇન્વૉઇસ હતું, જે કુલ 860,000 TL હતું. મહેસૂલ નિષ્ણાતે AI ને અનામી અસ્વીકાર ડેટા આપ્યો. AI વર્ગીકરણ દર્શાવે છે કે 62 ટકા અસ્વીકાર બે કારણોથી આવ્યા છે: "અપૂર્ણ એપિક્રિસિસ દસ્તાવેજ" અને "નિદાન-પ્રક્રિયા અસંગતતા". ટીમે પ્રથમ આ બે પર ધ્યાન કેન્દ્રિત કર્યું: ડિસ્ચાર્જ દસ્તાવેજીકરણ ચેકલિસ્ટ અને કોડિંગ-ડાયગ્નોસ્ટિક ક્રોસ-ચેકિંગની સ્થાપના કરવામાં આવી હતી. બે મહિનાની અંદર, આ બે કારણોસર અસ્વીકાર અડધા થઈ ગયા, અને માસિક નુકસાન ~300,000 TL ઘટ્યું.
કેસ 2 - આભાસ કોડ ટ્રેપ. એક કર્મચારીએ નવા ઓપરેશન માટે AI ને SUT કોડ માટે પૂછ્યું; AI એ "P612340" જેવો વાસ્તવિક દેખાતો કોડ અસ્ખલિત રીતે પાછો આપ્યો. નિષ્ણાતે તપાસ્યું: આ કોડ SUT સૂચિમાં નથી, મોડેલે તેને બનાવ્યો હતો. જો તે ચકાસણી વિના દાખલ કરવામાં આવ્યું હોત, તો તે ઇન્વૉઇસેસને સામૂહિક અસ્વીકાર મળ્યો હોત અથવા તો તેને અયોગ્ય કોડિંગ તરીકે પણ ગણવામાં આવ્યો હોત. પાઠ: કોડ હંમેશા સત્તાવાર સૂચિ સાથે પુષ્ટિ થયેલ છે.
કેસ 3 - ડ્રાફ્ટ વાંધાને ઝડપી બનાવવો. મહેસૂલ એકમમાં વાજબી અસ્વીકાર માટે વાંધાઓ લખવામાં દિવસમાં કલાકો લાગ્યા હતા. નિષ્ણાતે YZ ને અનામી અસ્વીકારનું સમર્થન અને સંબંધિત SUT આધાર આપ્યો અને ડ્રાફ્ટ વાંધા અરજીની વિનંતી કરી. AI એ મિનિટોમાં એક સંરચિત રૂપરેખા તૈયાર કરી; નિષ્ણાતે પાયા અને રકમ તપાસી અને સહી કરી. વાંધાઓની તૈયારીનો સમય નોંધપાત્ર રીતે ઘટ્યો, વાંધાઓની સંખ્યામાં વધારો થયો, અને વસૂલાતની રકમમાં વધારો થયો. AI એ લખ્યું, નિષ્ણાતે તેની ચકાસણી કરી અને જવાબદારી લીધી.
ચાર નકલ કરી શકાય તેવા નમૂનાઓ
1) અસ્વીકાર વર્ગીકરણ:
તમારી ભૂમિકા: આવક ચક્ર વિશ્લેષકના સહાયક. નીચે અનામી અસ્વીકાર ડેટા છે: અનામી ક્રમ નંબર, અસ્વીકાર કારણ, વ્યવહાર જૂથ, રકમ (કોઈ દર્દી ID નથી). કાર્ય: અસ્વીકારને કારણ પ્રમાણે જૂથબદ્ધ કરો, દરેક જૂથની સંખ્યા અને કુલ રકમ બાદ કરો, 3 કારણોને ચિહ્નિત કરો જે સૌથી વધુ નુકસાન કરે છે. બનાવેલ કોડ અથવા કારણ ઉમેરશો નહીં.
2) મૂળ કારણ (5 કારણો):
સૌથી મોટો અસ્વીકાર જૂથ "નિદાન-પ્રક્રિયા મિસમેચ" છે. આ કરવા માટે, 5 શા માટે વિશ્લેષણનો મુસદ્દો તૈયાર કરો: દરેક "શા માટે" પ્રશ્નનો સંભવિત જવાબ સૂચવો, મૂળ કારણ પર જાઓ અને 3 પ્રક્રિયા ફેરફારો સૂચવો જે પુનરાવૃત્તિને અટકાવશે. જણાવો કે આ એક પૂર્વધારણા છે અને તેને ક્ષેત્રમાં ચકાસવાની જરૂર છે.
3) ડ્રાફ્ટ વાંધા અરજી:
નીચે અનામી અસ્વીકાર માટે ડ્રાફ્ટ વાંધા અરજી લખો: અસ્વીકારનું કારણ [...], સેવાનો આધાર [...], સંબંધિત કાયદાનો લેખ [નિષ્ણાત દ્વારા ભરવાનો રહેશે]. ઔપચારિક, આદરણીય, તર્કસંગત ભાષાનો ઉપયોગ કરો. કાયદાના લેખ નંબર બનાવશો નહીં; તેને [ચકાસણી] ટેગ સાથે ખાલી છોડી દો.
4) નોંધણી પૂર્વ-ચેકલિસ્ટ:
ઇન્વૉઇસિંગ પર જતાં પહેલાં, નોંધણી/કોડિંગ પ્રી-ચેકલિસ્ટ તૈયાર કરો જે અસ્વીકારને અટકાવશે: શું વીમાનો પ્રકાર સાચો છે, શું તે નિદાન અને પ્રક્રિયા સાથે સુસંગત છે, શું જરૂરી દસ્તાવેજો (એપિક્રિસિસ, રિપોર્ટ) પૂર્ણ છે, શું કોઈ ડુપ્લિકેટ રેકોર્ડ્સ છે. દરેક આઇટમને હા/ના ચિહ્નિત કરીને એક લીટીમાં રહેવા દો.
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળા પ્રોમ્પ્ટ:
આ વ્યવહારનો SSI કોડ પ્રદાન કરો અને તેને ઇનવોઇસ માટે તૈયાર કરો.
આ ખતરનાક છે: તે અધિકૃત સ્ત્રોત માટે AI ને બદલે છે, જે નકલી કોડના જોખમને આમંત્રણ આપે છે.
શક્તિશાળી પ્રોમ્પ્ટ:
નીચે અમારો અનામી અસ્વીકાર ડેટા છે. કારણ મુજબ અસ્વીકારનું વર્ગીકરણ કરો, પેરેટો ક્રમમાં સૌથી વધુ નુકસાન કરનારા કારણોને ક્રમાંક આપો અને સૌથી મોટા માટે નિવારક પગલાંની ભલામણ કરો. SUT કોડ અથવા કાયદાનો લેખ, જો જરૂરી હોય તો બનાવટ; "[નિષ્ણાત ચકાસણી]" ચિહ્નિત કરો.
સ્ટેજ
AIનું યોગદાન
માનવ મંજૂરી
નોંધણી
વિસ્તારની પૂર્વ-તપાસ ખૂટે છે
રજીસ્ટ્રાર
કોડિંગ
સંભવિત કોડ સૂચન (પુષ્ટિ માટે ખુલ્લું)
કોડિંગ નિષ્ણાત + SUT
ઇન્વોઇસિંગ
અનુપાલન પૂર્વ-ચેકલિસ્ટ
આવક નિષ્ણાત
અસ્વીકાર વિશ્લેષણ
વર્ગીકરણ, પેરેટો, મૂળ કારણ
રેવન્યુ મેનેજર
વાંધો
પિટિશન ડ્રાફ્ટ
અધિકૃત નિષ્ણાતની સહી
સામાન્ય ભૂલો
- ચકાસણી વિના AI કોડનો ઉપયોગ. નકલી/લેગસી કોડ અસ્વીકાર અને અનિયમિતતાનું જોખમ બનાવે છે.
- એક જ સમયે તમામ અસ્વીકાર માટે ઉતાવળ કરવી. પેરેટોનો ઉપયોગ કરો અને તે કારણ પર ધ્યાન કેન્દ્રિત કરો જે તમને સૌથી પહેલા ગુમાવે છે.
- મૂળ કારણને બાયપાસ કરીને. જો તે જ અસ્વીકાર પુનરાવર્તિત થાય છે, તો તેનો અર્થ એ છે કે પ્રક્રિયા સુધારવામાં આવી નથી.
- કાયદાને AI સાથે સુસંગત બનાવવું. આઇટમ નંબરની હંમેશા સત્તાવાર સ્ત્રોતમાંથી પુષ્ટિ કરવામાં આવે છે.
- વાંધાને સહી વિનાના ડ્રાફ્ટ તરીકે ભૂલવો. નિષ્ણાત નિયંત્રણ અને હસ્તાક્ષર વિના ડ્રાફ્ટ મોકલવામાં આવશે નહીં.
ટીપ: સમાન નમૂનાનો ઉપયોગ કરીને માસિક અસ્વીકારના કારણોને વર્ગીકૃત કરો અને વલણ રાખો. જો એક તર્ક નીચે જાય છે અને બીજો ઉપર જાય છે, તો તમે વહેલી તકે જોશો કે તમારી પ્રક્રિયામાં ફેરફાર કામ કરી રહ્યો છે કે કેમ. AI વર્ગીકરણને વેગ આપે છે; વલણનું અર્થઘટન કરવાનું તમારું કામ છે.
સારાંશમાં
આવક ચક્ર એ સેવાને નાણાંમાં રૂપાંતરિત કરવાની રીત છે અને અસ્વીકાર એ તેની સૌથી મોટી લીક છે. AI; તે અસ્વીકાર, પેરેટો અને મૂળ કારણ નિષ્કર્ષણ, અપીલનો મુસદ્દો તૈયાર કરવા અને પૂર્વ-નોંધણીનું વર્ગીકરણ કરવા માટે એક શક્તિશાળી પ્રવેગક છે. પરંતુ કોડિંગ અને બિલિંગ નિયમન કરવામાં આવે છે; AI અમાન્ય કોડ બનાવી શકે છે. દરેક કોડ સત્તાવાર SUT દ્વારા ચકાસવામાં આવે છે, અધિકૃત નિષ્ણાત દ્વારા દરેક વાંધો. જવાબદારી અને અંતિમ મંજૂરી હંમેશા માણસની સાથે રહે છે.
એપ્લિકેશન કાર્ય
અનામી અસ્વીકાર સૂચિ (કારણ, વ્યવહાર જૂથ, રકમ) મેળવો અથવા અનુમાનિત બનાવો. "અસ્વીકાર વર્ગીકરણ" નમૂના સાથે પેરેટો વર્ગીકરણ માટે AI ને પૂછો અને સૌથી વધુ નુકસાનનું કારણ શોધો. તે કારણોસર, "5 Whys" નમૂના સાથે મૂળ કારણની રૂપરેખા આપો અને નિવારક પગલાં સૂચવો. કૃપા કરીને લેખ 5 માં નોંધ કરો કે તમે કોઈપણ SUT કોડને ચકાસ્યા વિના સ્વીકારતા નથી અને અંતિમ મંજૂરી નિષ્ણાતની છે.
ચેકલિસ્ટ
- [ ] શું મેં અસ્વીકારનો ડેટા અનામી રાખ્યો છે (કોઈ દર્દીની ઓળખ નથી)?
- [ ] શું મેં AI દ્વારા પૂરા પાડવામાં આવેલ કોઈપણ કોડ/ કાયદાની ચકાસણી કર્યા વિના તેનો ઉપયોગ કર્યો નથી?
- [ ] શું મેં પેરેટો સાથે સૌથી વધુ હારવાના કારણને પ્રાથમિકતા આપી છે?
- [ ] શું મેં મૂળ કારણ શોધી કાઢ્યું છે અને નિવારક પગલાં વ્યાખ્યાયિત કર્યા છે?
- [ ] શું મેં વાંધાનો ડ્રાફ્ટ નિષ્ણાતના નિયંત્રણ અને હસ્તાક્ષરને આધીન કર્યો છે?