Nyereség:
- A bevételi ciklus szakaszainak megértése (rögzítés, kódolás, számlázás, visszatérítés, beszedés), és hogy a mesterséges intelligencia hol állít elő piszkozatokat/csekkeket az egyes szakaszokban
- Képes besorolni az SSI/visszafizetési elutasításokat mesterséges intelligencia támogatással, és előállítani kiváltó okot és kifogást
- Annak megértése, hogy a számlázásban és a kódolásban a szabályozási megfelelés és a végleges jóváhagyás a felhatalmazott szakértőt illeti, valamint annak a kockázata, hogy a mesterséges intelligencia hamis kódokat sugall
Még ha egy kórház meg is gyógyít egy beteget, anyagilag nem tud túlélni, ha nem tud megfelelően és időben beszedni az általa nyújtott szolgáltatáshoz. Ezt a teljes pénzáramlást bevételi ciklusnak nevezzük: ez az a pénzügyi folyamat, amely a beteg regisztrációjától, a szolgáltatás kódolásától, a számlázástól, az intézmény (többnyire SGK - Türkiye Társadalombiztosítási Intézmény) általi visszatérítésétől kezdődik és a beszedésig tart. Ennek a ciklusnak a legbosszantóbb pontja az elutasítás: az SSI nem hajlandó kifizetni egy számlát, ha azt hiányosnak/hibásnak találja. Az elutasítás azt jelenti, hogy egy elvégzett munkáért nem lehet fizetést kapni. Ebben az egységben a mesterséges intelligenciát kontroll- és rajzolóeszközként fogjuk használni a bevételi ciklus minden szakaszában. De a legszigorúbb határ itt érvényes: a számlázás és a kódolás szabályozott; Az AI folyékonyan tudja adaptálni az érvénytelen kódot. Az egyes kódexek és kifogások végső jóváhagyása a felhatalmazott szakértőé.
A bevételi ciklus szakaszai
Osszuk fel a ciklust öt szakaszra. A regisztráció a beteg- és biztosítási adatok helyes bevitele a rendszerbe; itt egy hiba (nem megfelelő biztosítéktípus) a végére kerül. A kódolás a nyújtott szolgáltatás lefordítása a hivatalos tranzakciós kódra (SUT - Health Practice Communiqué kódok Türkiye-ben). A számlázás a kódolt szolgáltatások számlaként történő továbbítása a költségtérítési intézményhez. A visszatérítés az a szakasz, amelyben az intézmény felülvizsgálja és kifizeti (vagy elutasítja) a számlát. A beszedés a pénz tényleges átvétele. Az elutasítás többnyire a kódolási és számlázási szakaszban fellépő hibákból adódik: hiányzó dokumentumok, inkompatibilis diagnosztikai eljárás, duplikált regisztráció, SUT szabály megsértése.
Hol jön jól az AI ebben a ciklusban? Hiányzó mezők ellenőrzése a rekordban; A kódolásban lehetséges kódjavaslatok (szükségesen ellenőrizve); A számlázási megfelelőség előellenőrzése; Az elutasítás elemzésében, az elutasítások osztályozásában, a kiváltó okok feltárásában és a kifogási petíció megfogalmazásában. Hol nem működik? Annak eldöntésében, hogy pontosan mi az érvényes kód – mert ezt csak az aktuális SUT és a szakértő tudja.
Fontos megkülönböztetni két különböző időhorizontot az elutasítás kezelésében. Az első a reaktív munka: az elutasítás elemzése és az igazuk ellen való kifogásolás, vagyis a veszteség visszaszerzése. A második, és még értékesebb, a megelőző munka: megtalálni az elutasítások kiváltó okát, és megváltoztatni a folyamatot annak érdekében, hogy az elutasítások ne fordulhassanak elő újra. A legtöbb intézmény minden energiáját a kifogásokra fordítja; míg ha hónapról-hónapra ugyanazon okból újra és újra elutasítást kap, az ellenvetés csak egy vödör kiürítése egy kanállal – az igazi feladat a csap elzárása. A mesterséges intelligencia mindkét horizonton hasznos: a reaktív oldalon felgyorsítja a kifogások megfogalmazását, a megelőző oldalon pedig láthatóvá teszi az elutasítás mintáját és a kiváltó okot. De a megelőző változtatás (ellenőrző lista, kódolási tréning, rendszerfigyelmeztetés) terepen való végrehajtása és a jogszabályok betartása emberi munka.
Lépésről lépésre: Elutasítás elemzés AI-val
- Névtelenül gyűjtse össze az elutasításokat. Névtelen sorrend, elutasítási kód/ok, tranzakciócsoport, számlaszám helyett összeg. Nincs betegazonosító.
- Osztályozás. Kérje meg az AI-t, hogy csoportosítsa az elutasításokat okok szerint: hiányzó dokumentum, diagnózis-művelet eltérés, SUT-szabály, ismétlődés.
- Pareto kimenet. A legtöbb elutasítás általában több okból származik (80/20). Melyik okból veszít a legtöbb pénzt?
- Jusson el a kiváltó okig. A legnagyobb elutasítási csoport esetében vizsgálja meg a „miért” kérdést az 5 Miért módszerrel.
- Megelőző intézkedés + kifogástervezet. Javasoljon olyan folyamatmódosításokat, amelyek megakadályozzák a párhuzamosságot; Indokolt elutasításhoz nyomtasson kifogási petíció tervezetet.
- Szakértői jóváhagyás. Minden kódot és kifogást az aktuális SUT és a bevételi/kódolási szakértő ellenőriz; Az AI-tervezet nem helyettesíti az aláírást.
Figyelem: A legveszélyesebb hiba az, ha megkérdezzük az AI-t, hogy „mi ennek a tranzakciónak a SUT kódja”, és a kódot közvetlenül beírjuk a számlába. A modell teljes biztonsággal tudja mondani, hogy a kód nem létezik, vagy elavult. A kód soha nem kerül felhasználásra a hivatalos SUT lista megerősítése nélkül.
három mini tok
1. eset – Elutasítás Pareto. Egy kórház havi elutasítása 1240 számla volt, összesen 860.000 TL. A bevételi szakértő megadta az anonim elutasítási adatokat az AI-nak. A mesterséges intelligencia besorolása szerint az elutasítások 62 százaléka két okból származott: "hiányos epikrízisdokumentum" és "diagnózis-eljárás összeférhetetlensége". A csapat először erre a kettőre összpontosított: létrehozták a mentesítési dokumentáció ellenőrzőlistáját és a kódolási-diagnosztikai keresztellenőrzést. Két hónapon belül az e két ok miatti elutasítások felére csökkentek, a havi veszteség pedig ~300 000 TL-rel csökkent.
2. eset – Hallucinációs kódcsapda. Egy alkalmazott SUT kódot kért az AI-tól egy új művelethez; Az AI folyékonyan adott vissza egy valósághűnek tűnő kódot, mint például a "P612340". A szakértő ellenőrizte: ez a kód nem szerepel a SUT listában, a modell kitalálta. Ha ellenőrzés nélkül írták volna be, akkor ezeket a számlákat tömegesen utasították volna el, vagy akár helytelen kódolásnak minősültek volna. Tanulság: a kódot mindig megerősítjük a hivatalos listával.
3. eset – A kifogástervezet meggyorsítása. Az indokolt elutasításokra vonatkozó kifogások írása egy bevételi egységben naponta órákat vett igénybe. A szakértő az anonim elutasítási indoklást és a vonatkozó SUT-alapot megadta az YZ-nek, és kifogási beadvány tervezetet kért. Az AI percek alatt strukturált vázlatot készített; A szakértő ellenőrizte és aláírta az alapokat és összegeket. Jelentősen csökkent a kifogáskészítési idő, nőtt a kifogások száma, nőtt a beszedett összeg. Az AI megírta, a szakértő ellenőrizte és vállalta a felelősséget.
Négy másolható sablon
1) Elutasítási besorolás:
Az Ön szerepe: a bevételi ciklus elemzőjének asszisztense. Alul láthatók az anonim elutasítási adatok: névtelen sorszám, elutasítás oka, tranzakciócsoport, összeg (nincs betegazonosító). Feladat: csoportosítsa az elutasításokat az ok szerint, vonja le az egyes csoportok számát és teljes összegét, jelölje be a 3 legnagyobb veszteséget okozó okot. Ne adjon hozzá kitalált kódot vagy okot.
2) Kiváltó ok (5 ok):
A legnagyobb elutasítási csoport a "diagnózis-eljárás eltérés". Ehhez készítsen egy 5 Miért elemzést: javasoljon egy lehetséges választ minden "miért" kérdésre, térjen ki a kiváltó okra, és javasoljon 3 olyan folyamatmódosítást, amely megakadályozza az ismétlődést. Mondja el, hogy ez egy hipotézis, és a helyszínen ellenőrizni kell.
3) Kifogási petíció tervezet:
Írja alá az anonim elutasításra vonatkozó kifogási TERVEZET: elutasítás indoka [...], szolgáltatás alapja [...], vonatkozó jogszabálycikk [szakértő tölti ki]. Használjon formális, tiszteletteljes, ésszerű nyelvezetet. NE állítsa össze a jogszabály cikkszámát; Hagyja üresen a [VERIFY] címkével.
4) Regisztráció előtti ellenőrző lista:
A számlázás megkezdése előtt készítsen egy regisztrációs/kódolási előellenőrző listát, amely megakadályozza az elutasítást: megfelelő-e a biztosítás típusa, kompatibilis-e a diagnózissal és eljárással, a szükséges dokumentumok (epikrízis, jelentés) hiánytalanok-e, vannak-e ismétlődő nyilvántartások. Legyen minden tétel egy sor, igen/nem jelöléssel.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Adja meg ennek a tranzakciónak az SSI-kódját, és készítse elő számlázásra.
Ez veszélyes: az AI-t helyettesíti a hivatalos forrással, felhívva a hamis kód kockázatára.
Erőteljes felszólítás:
Az alábbiakban anonim elutasítási adataink találhatók. Csoportosítsa az elutasításokat az okok szerint, a legnagyobb veszteséget okozó okokat rangsorolja Pareto sorrendben, és javasoljon megelőző intézkedéseket a legnagyobbra. SUT kód vagy jogszabálycikk, gyártás, HA SZÜKSÉGES; Jelölje be a „[szakértői ellenőrzés]” lehetőséget.
Színpad
Az AI hozzájárulása
emberi jóváhagyás
Regisztráció
Hiányzó terület előzetes ellenőrzése
anyakönyvvezető
Kódolás
Lehetséges kódjavaslat (megerősítésre nyitva)
Kódolási szakértő + SUT
Számlázás
Megfelelőségi előzetes ellenőrző lista
bevételi szakértő
Elutasítási elemzés
Osztályozás, Pareto, kiváltó ok
bevételi menedzser
kifogás
Petíciótervezet
Meghatalmazott szakértői aláírás
Gyakori hibák
- AI kód használata ellenőrzés nélkül. A hamis/örökölt kód az elutasítás és a szabálytalanságok kockázatát hordozza magában.
- Egyszerre rohanva minden elutasításra. Használja a Paretót, és összpontosítson arra az okra, amely miatt először veszít a legtöbbet.
- A kiváltó ok megkerülése. Ha ugyanaz az elutasítás megismétlődik, az azt jelenti, hogy a folyamatot nem javították ki.
- A jogszabály összhangba hozása az MI-vel. A cikkszámot mindig a hivatalos forrás erősíti meg.
- A kifogást aláíratlan tervezetnek tévesztve. A tervezetet szakértői ellenőrzés és aláírás nélkül nem küldjük ki.
Tipp: Havonta kategorizálja az elutasítási okokat ugyanazzal a sablonnal, és tartsa be a trendet. Ha az egyik indoklás csökken, a másik pedig emelkedik, akkor már korán látni fogja, hogy a folyamatmódosítás működik-e. Az AI felgyorsítja az osztályozást; Az Ön feladata, hogy értelmezze a trendet.
Összefoglalva
A bevételi ciklus a szolgáltatás pénzzé alakításának módja, és az elutasítások jelentik a legnagyobb szivárgást. AI; Ez egy hatékony gyorsító az elutasítások osztályozására, a Pareto és a kiváltó okok kivonására, a fellebbezések megfogalmazására és az előzetes regisztrációra. De a kódolás és a számlázás szabályozott; Az AI érvénytelen kódot tud kitalálni. Minden kódot a hivatalos SUT, minden kifogást a hivatalos szakértő ellenőriz. A felelősség és a végső jóváhagyás mindig az embernél marad.
Pályázati feladat
Szerezzen be egy névtelen elutasítási listát (ok, tranzakciócsoport, összeg), vagy generáljon hipotetikust. Kérje az AI-t a Pareto-besoroláshoz az "Elutasítási besorolás" sablonnal, és keresse meg a legtöbb veszteséget okozó okot. Emiatt vázolja fel a kiváltó okot az „5 miért” sablon segítségével, és javasoljon megelőző intézkedést. Kérjük, vegye figyelembe az 5. cikkben, hogy Ön semmilyen SUT-kódot nem fogad el annak ellenőrzése nélkül, és a végső jóváhagyás a szakértőé.
ellenőrző lista
- [ ] Anonimizáltam az elutasítási adatokat (nincs betegazonosító)?
- [ ] Nem használtam az AI által biztosított kódot/jogszabályt anélkül, hogy ellenőriztem volna?
- [ ] A leginkább vesztes okot részesítettem előnyben Paretóval?
- [ ] Megtaláltam a kiváltó okot és meghatároztam a megelőző intézkedést?
- [ ] Szakértői ellenőrzésnek és aláírásnak vetettem alá a kifogástervezetet?