Keuntungan:
- Memahami peringkat kitaran hasil (rakaman, pengekodan, invois, pembayaran balik, pengumpulan) dan tempat kecerdasan buatan menghasilkan draf/semakan pada setiap peringkat
- Keupayaan untuk mengklasifikasikan penolakan SSI/pembayaran balik dengan sokongan kecerdasan buatan dan menghasilkan punca punca dan draf bantahan
- Memahami bahawa pematuhan kawal selia dan kelulusan akhir dalam invois dan pengekodan adalah milik pakar yang diberi kuasa, dan risiko kecerdasan buatan yang mencadangkan kod palsu
Walaupun hospital menyembuhkan pesakit, ia tidak dapat bertahan dari segi kewangan jika ia tidak dapat mengumpul dengan betul dan tepat pada masanya untuk perkhidmatan yang diberikannya. Keseluruhan aliran wang ini dipanggil kitaran hasil: ia adalah proses kewangan yang bermula daripada pendaftaran pesakit, pengekodan perkhidmatan, invois, pembayaran balik oleh institusi (kebanyakannya SGK - Institusi Keselamatan Sosial di Türkiye) dan melanjutkan kepada kutipan. Perkara yang paling menjengkelkan dalam kitaran ini ialah penolakan: SSI enggan membayar invois dengan mendapati ia tidak lengkap/tidak betul. Penolakan bermaksud tidak dapat gaji untuk sesuatu kerja yang dilakukan. Dalam unit ini kami akan menggunakan kecerdasan buatan sebagai alat kawalan dan penggubalan pada setiap peringkat kitaran hasil. Tetapi had paling keras dikenakan di sini: Pengebilan dan pengekodan dikawal selia; AI boleh menyesuaikan kod tidak sah dengan lancar. Kelulusan akhir setiap kod dan bantahan terletak pada pakar yang diberi kuasa.
Peringkat kitaran hasil
Mari bahagikan kitaran kepada lima peringkat. Pendaftaran ialah kemasukan maklumat pesakit dan insurans yang betul ke dalam sistem; ralat di sini (jenis fius yang salah) dibawa ke hadapan hingga akhir. Pengekodan ialah terjemahan perkhidmatan yang disediakan ke dalam kod transaksi rasmi (SUT - kod Komuniti Amalan Kesihatan dalam Türkiye). Invois ialah penghantaran perkhidmatan berkod kepada institusi pembayaran balik sebagai invois. Pembayaran balik ialah fasa di mana institusi menyemak dan membayar (atau menolak) invois. Kutipan ialah penerimaan wang sebenar. Penolakan kebanyakannya timbul daripada ralat pada peringkat pengekodan dan pengebilan: dokumen hilang, prosedur diagnosis tidak serasi, pendaftaran pendua, pelanggaran peraturan SUT.
Di manakah AI berguna dalam kitaran ini? Menyemak medan yang hilang dalam rekod; Dalam pengekodan, cadangan kod yang mungkin (semestinya disahkan); Dalam pra-kawalan pematuhan bil; Dalam analisis penolakan, mengklasifikasikan penolakan, mencari punca, dan merangka petisyen bantahan. Di mana ia tidak berfungsi? Dalam menentukan dengan tepat apakah kod yang sah — kerana hanya SUT semasa dan pakar yang mengetahui perkara ini.
Adalah penting untuk membezakan dua horizon masa yang berbeza dalam pengurusan penolakan. Yang pertama ialah kerja reaktif: menganalisis penolakan dan membantah mereka yang betul, iaitu cuba mendapatkan semula kerugian. Kedua, dan lebih berharga, adalah kerja pencegahan: mencari punca penolakan dan mengubah proses untuk memastikan penolakan tidak berlaku lagi. Kebanyakan institusi menghabiskan semua tenaga mereka untuk bantahan; sedangkan jika anda mendapat penolakan berkali-kali atas sebab yang sama bulan demi bulan, bantahan hanyalah mengosongkan baldi dengan sudu — tugas sebenar ialah mematikan paip. AI membantu di kedua-dua ufuk: pada bahagian reaktif ia mempercepatkan penggubalan bantahan, pada bahagian pencegahan ia menjadikan corak penolakan dan punca utama kelihatan. Tetapi melaksanakan perubahan pencegahan (senarai semak, latihan pengekodan, amaran sistem) di lapangan dan mematuhi perundangan adalah tugas manusia.
Langkah demi langkah: Analisis penolakan dengan AI
- Kumpul penolakan secara tanpa nama. Urutan tanpa nama, kod/sebab penolakan, kumpulan transaksi, jumlah bukannya nombor invois. Tiada ID pesakit.
- Mengelaskan. Minta AI mengumpulkan penolakan mengikut sebab: dokumen tiada, ketidakpadanan diagnosis-tindakan, peraturan SUT, pendua.
- Keluaran Pareto. Kebanyakan penolakan biasanya datang atas beberapa alasan (80/20). Sebab manakah yang membuat anda kehilangan paling banyak wang?
- Dapatkan punca utama. Untuk kumpulan penolakan terbesar, periksa soalan "mengapa" dengan kaedah 5 Mengapa.
- Tindakan pencegahan + draf bantahan. Mengesyorkan perubahan proses yang akan menghalang pertindihan; Cetak draf petisyen bantahan untuk penolakan yang wajar.
- Kelulusan pakar. Setiap kod dan bantahan disahkan oleh pakar SUT dan hasil/pengekodan semasa; Draf AI tidak menggantikan tandatangan.
Perhatian: Kesilapan yang paling berbahaya ialah bertanya kepada AI "apakah kod SUT bagi transaksi ini" dan masukkan kod terus ke dalam invois. Model boleh memberitahu dengan penuh keyakinan bahawa kod tidak wujud atau sudah lapuk. Kod itu tidak akan digunakan tanpa pengesahan dengan senarai SUT rasmi.
tiga kes mini
Kes 1 — Pareto Penolakan. Penafian bulanan satu hospital ialah 1,240 invois, berjumlah 860,000 TL. Pakar hasil memberikan data penolakan tanpa nama kepada AI. Klasifikasi AI menunjukkan bahawa 62 peratus daripada penolakan datang daripada dua sebab: "dokumen epikrisis tidak lengkap" dan "ketidakserasian prosedur diagnosis". Pasukan memberi tumpuan kepada dua perkara ini terlebih dahulu: senarai semak dokumentasi pelepasan dan semakan silang pengekodan-diagnostik telah diwujudkan. Dalam masa dua bulan, penolakan untuk dua sebab ini telah dikurangkan separuh, dan kerugian bulanan berkurangan sebanyak ~300,000 TL.
Kes 2 — Perangkap kod halusinasi. Seorang pekerja meminta AI untuk kod SUT untuk operasi baharu; AI dengan lancar mengembalikan kod yang kelihatan realistik seperti "P612340". Pakar menyemak: kod ini tiada dalam senarai SUT, model itu telah menciptanya. Jika ia telah dimasukkan tanpa pengesahan, invois tersebut akan menerima penolakan besar-besaran atau bahkan dianggap sebagai pengekodan yang tidak betul. Pengajaran: kod sentiasa disahkan dengan senarai rasmi.
Kes 3 — Mempercepatkan draf bantahan. Menulis bantahan terhadap penolakan yang wajar dalam unit hasil mengambil masa berjam-jam sehari. Pakar memberikan justifikasi penolakan tanpa nama dan asas SUT yang berkaitan kepada YZ dan meminta draf petisyen bantahan. AI menghasilkan garis besar berstruktur dalam beberapa minit; Pakar menyemak dan menandatangani asas dan jumlah. Masa penyediaan bantahan menurun dengan ketara, bilangan bantahan meningkat, dan jumlah pulih meningkat. AI menulisnya, pakar mengesahkannya dan bertanggungjawab.
Empat templat yang boleh disalin
1) Klasifikasi penolakan:
Peranan anda: pembantu kepada penganalisis kitaran hasil. Di bawah ialah data penolakan tanpa nama: nombor urutan tanpa nama, sebab penolakan, kumpulan transaksi, jumlah (tiada ID pesakit). Tugasan: kumpulkan penolakan mengikut sebab, tolak nombor dan jumlah setiap kumpulan, tandakan 3 sebab yang paling banyak menyebabkan kerugian. Jangan tambah kod atau alasan yang dibuat-buat.
2) Punca (5 Sebab):
Kumpulan penolakan terbesar ialah "tidak sepadan prosedur diagnosis". Untuk melakukan ini, draf analisis 5 Mengapa: cadangkan jawapan yang mungkin untuk setiap soalan "mengapa", dapatkan punca dan cadangkan 3 perubahan proses yang akan menghalang berulang. Nyatakan bahawa ini adalah hipotesis dan perlu disahkan di lapangan.
3) Draf petisyen bantahan:
Tulis petisyen bantahan DRAF untuk penolakan tanpa nama di bawah: sebab penolakan [...], asas perkhidmatan [...], artikel perundangan yang berkaitan [untuk diisi oleh pakar]. Gunakan bahasa yang formal, hormat-menghormati, beralasan. JANGAN membentuk nombor artikel perundangan; Biarkan kosong dengan teg [VERIFY].
4) Senarai semakan pra pendaftaran:
Sebelum pergi ke invois, sediakan senarai pra-semak pendaftaran/pengkodan yang akan menghalang penolakan: adakah jenis insurans betul, adakah ia serasi dengan diagnosis dan prosedur, adakah dokumen yang diperlukan (epikrisis, laporan) lengkap, adakah terdapat sebarang rekod pendua. Biarkan setiap item menjadi satu baris, bertanda ya/tidak.
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Sediakan kod SSI transaksi ini dan sediakannya untuk invois.
Ini berbahaya: ia menggantikan AI untuk sumber rasmi, mengundang risiko kod palsu.
Gesaan kuat:
Di bawah ialah data penolakan tanpa nama kami. Klasifikasikan penolakan mengikut sebab, susun sebab yang menyebabkan kerugian paling banyak dalam perintah Pareto dan cadangkan tindakan pencegahan untuk yang terbesar. Kod SUT atau artikel perundangan, fabrikasi JIKA PERLU; Tandai "[pengesahan pakar]".
pentas
Sumbangan AI
kelulusan manusia
Pendaftaran
Pra-semak kawasan tiada
pendaftar
Pengekodan
Cadangan kod yang mungkin (dibuka untuk pengesahan)
Pakar pengekodan + SUT
Invois
Senarai semakan pra pematuhan
pakar hasil
Analisis penolakan
Klasifikasi, Pareto, punca
pengurus hasil
bantahan
Draf petisyen
Tandatangan pakar yang dibenarkan
Kesilapan biasa
- Menggunakan kod AI tanpa pengesahan. Kod palsu/warisan mewujudkan risiko penolakan dan penyelewengan.
- Bergegas kepada semua penolakan sekaligus. Gunakan Pareto dan fokus pada sebab yang membuat anda paling rugi terlebih dahulu.
- Melangkau punca punca. Jika penolakan yang sama berulang, bermakna proses itu belum diperbetulkan.
- Membuat perundangan mematuhi AI. Nombor item sentiasa disahkan daripada sumber rasmi.
- Menganggap bantahan itu sebagai draf yang tidak ditandatangani. Draf tidak akan dihantar tanpa kawalan dan tandatangan pakar.
Petua: Kategorikan sebab penolakan setiap bulan menggunakan templat yang sama dan kekalkan trend. Jika satu rasional turun dan satu lagi naik, anda akan melihat lebih awal sama ada perubahan proses anda berfungsi. AI mempercepatkan klasifikasi; Tugas anda untuk mentafsir arah aliran.
Secara ringkasnya
Kitaran hasil ialah cara perkhidmatan ditukar kepada wang, dan penolakan adalah kebocoran terbesarnya. AI; Ia adalah pemecut yang berkuasa untuk mengklasifikasikan penolakan, Pareto dan pengekstrakan punca, merangka rayuan dan prapendaftaran. Tetapi pengekodan dan pengebilan dikawal selia; AI boleh membuat kod tidak sah. Setiap kod disahkan oleh SUT rasmi, setiap bantahan oleh pakar yang diberi kuasa. Tanggungjawab dan kelulusan muktamad sentiasa kekal pada manusia.
Tugasan permohonan
Dapatkan senarai penolakan tanpa nama (sebab, kumpulan transaksi, jumlah) atau hasilkan hipotesis. Minta AI untuk klasifikasi Pareto dengan templat "Klasifikasi penolakan" dan cari sebab yang menyebabkan paling banyak kerugian. Atas sebab itu, gariskan punca utama dengan templat "5 Mengapa" dan cadangkan tindakan pencegahan. Sila ambil perhatian dalam artikel 5 bahawa anda tidak menerima sebarang kod SUT tanpa mengesahkannya dan bahawa kelulusan akhir adalah milik pakar.
senarai semak
- [ ] Adakah saya telah menamakan data penolakan (tiada pengenalan pesakit)?
- [ ] Adakah saya tidak menggunakan sebarang kod/perundangan yang disediakan oleh AI tanpa mengesahkannya?
- [ ] Adakah saya telah mengutamakan sebab yang paling rugi dengan Pareto?
- [ ] Adakah saya telah menemui punca dan menentukan tindakan pencegahan?
- [ ] Adakah saya telah menyerahkan draf bantahan kepada kawalan dan tandatangan pakar?