Zyski:
- Zrozumienie etapów cyklu przychodów (rejestracja, kodowanie, fakturowanie, zwrot kosztów, windykacja) oraz miejsca, w których sztuczna inteligencja tworzy projekty/kontrole na każdym etapie
- Możliwość klasyfikowania odmów SSI/spłat za pomocą sztucznej inteligencji oraz tworzenia pierwotnej przyczyny i projektu sprzeciwu
- Zrozumienie, że zgodność z przepisami i ostateczna akceptacja fakturowania i kodowania należą do upoważnionego eksperta oraz ryzyko, że sztuczna inteligencja zasugeruje fałszywe kody
Nawet jeśli szpital wyleczy pacjenta, nie będzie w stanie utrzymać się finansowo, jeśli nie będzie w stanie prawidłowo i terminowo pobierać opłat za świadczone usługi. Cały ten przepływ pieniędzy nazywany jest cyklem przychodów: jest to proces finansowy rozpoczynający się od rejestracji pacjenta, kodowania usługi, wystawienia faktury, zwrotu pieniędzy przez instytucję (głównie SGK – Zakład Ubezpieczeń Społecznych w Türkiye) i kończący się windykacją. Najbardziej irytującym punktem tego cyklu jest odrzucenie: SSI odmawia zapłaty faktury, uznając ją za niekompletną/nieprawidłową. Odrzucenie oznacza brak możliwości otrzymania zapłaty za wykonaną pracę. W tej jednostce będziemy wykorzystywać sztuczną inteligencję jako narzędzie kontrolne i redakcyjne na każdym etapie cyklu przychodów. Jednak tutaj obowiązuje najsurowsze ograniczenie: rozliczenia i kodowanie podlegają regulacjom; AI może płynnie dostosowywać nieprawidłowy kod. Ostateczna akceptacja każdego kodeksu i zastrzeżenia należy do uprawnionego rzeczoznawcy.
Etapy cyklu przychodów
Podzielmy cykl na pięć etapów. Rejestracja oznacza prawidłowe wprowadzenie do systemu informacji o pacjencie i ubezpieczeniu; błąd w tym miejscu (nieprawidłowy typ bezpiecznika) jest przenoszony do końca. Kodowanie to tłumaczenie świadczonej usługi na oficjalny kod transakcji (SUT – kody komunikatu dotyczącego praktyk zdrowotnych w języku tureckim). Fakturowanie polega na przekazywaniu zakodowanych usług instytucji refundacyjnej w formie faktury. Zwrot kosztów to etap, w którym instytucja sprawdza i płaci (lub odrzuca) fakturę. Odbiór oznacza faktyczne otrzymanie pieniędzy. Odrzucenie wynika głównie z błędów na etapie kodowania i rozliczeń: brakujących dokumentów, niezgodnej procedury diagnostycznej, podwójnej rejestracji, naruszenia zasady SUT.
Gdzie w tym cyklu przydaje się sztuczna inteligencja? Sprawdzanie brakujących pól w rekordzie; W kodowaniu możliwe sugestie kodu (koniecznie zweryfikowane); W ramach wstępnej kontroli zgodności rozliczeń; Podczas analizy odrzuceń, klasyfikacji odrzuceń, znajdowania przyczyn źródłowych i sporządzania petycji sprzeciwowej. Gdzie to nie działa? Przy podejmowaniu decyzji, jaki jest prawidłowy kod — ponieważ wiedzą o tym tylko obecni SUT i eksperci.
Ważne jest rozróżnienie dwóch różnych horyzontów czasowych w zarządzaniu odrzuceniem. Pierwsza to praca reaktywna: analiza odrzucenia i sprzeciw wobec tych, którzy mają rację, czyli próba odzyskania straty. Po drugie, bardziej wartościowa, jest praca zapobiegawcza: znalezienie pierwotnej przyczyny odrzucenia i zmiana procesu, aby mieć pewność, że odrzucenie nie powtórzy się. Większość instytucji całą swoją energię poświęca na sprzeciw; natomiast jeśli miesiąc po miesiącu spotykasz się z odmową z tego samego powodu, sprzeciwem jest po prostu opróżnienie wiadra łyżką – prawdziwym zadaniem jest zakręcenie kranu. Sztuczna inteligencja jest pomocna w obu horyzontach: po stronie reaktywnej przyspiesza formułowanie sprzeciwu, po stronie zapobiegawczej uwidacznia schemat odrzucenia i pierwotną przyczynę. Jednak wdrożenie zmian zapobiegawczych (lista kontrolna, szkolenie w zakresie kodowania, ostrzeżenie systemowe) w terenie i przestrzeganie przepisów to ludzka praca.
Krok po kroku: Analiza odrzuceń za pomocą AI
- Zbieraj anonimowo odmowy. Anonimowa sekwencja, kod/powód odrzucenia, grupa transakcji, kwota zamiast numeru faktury. Nie ma identyfikatora pacjenta.
- Klasyfikować. Poproś sztuczną inteligencję o pogrupowanie odrzuceń według przyczyny: brak dokumentu, niezgodność diagnozy z działaniem, reguła SUT, duplikat.
- Wyjście Pareta. Większość odmów ma zazwyczaj kilka przyczyn (80/20). Z jakiego powodu tracisz najwięcej pieniędzy?
- Dotrzeć do pierwotnej przyczyny. W przypadku największej grupy odrzuconych przeanalizuj pytanie „dlaczego” za pomocą metody 5 powodów.
- Działanie zapobiegawcze + projekt sprzeciwu. Polecaj zmiany procesów, które zapobiegną powielaniu; Wydrukuj projekt sprzeciwu w przypadku uzasadnionej odmowy.
- Zatwierdzenie eksperta. Każdy kod i sprzeciw jest weryfikowany przez aktualnego SUT i eksperta ds. przychodów/kodowania; Projekt AI nie zastępuje podpisu.
Uwaga: Najbardziej niebezpiecznym błędem jest zapytanie AI „jaki jest kod SUT tej transakcji” i wpisanie kodu bezpośrednio do faktury. Model może z całkowitą pewnością stwierdzić, że kod nie istnieje lub jest nieaktualny. Kod nigdy nie zostanie użyty bez potwierdzenia na oficjalnej liście SUT.
trzy mini etui
Przypadek 1 — Pareto odrzucenia. Miesięczna odmowa jednego ze szpitali dotyczyła 1240 faktur na łączną kwotę 860 000 TL. Specjalista ds. przychodów przekazał AI anonimowe dane o odrzuceniu. Klasyfikacja sztucznej inteligencji wykazała, że 62 procent odrzuceń wynikało z dwóch powodów: „niekompletnego dokumentu epikryzysowego” i „niezgodności diagnozy z procedurą”. Zespół skupił się na dwóch pierwszych: opracowano listę kontrolną dokumentacji wypisowej oraz kontrolę krzyżową w zakresie kodowania i diagnostyki. W ciągu dwóch miesięcy liczba odrzuceń z tych dwóch powodów zmniejszyła się o połowę, a miesięczna strata spadła o ~300 000 TL.
Przypadek 2 — Pułapka kodowa halucynacji. Pracownik poprosił AI o kod SUT dla nowej operacji; Sztuczna inteligencja płynnie zwróciła realistycznie wyglądający kod, taki jak „P612340”. Ekspert sprawdził: tego kodu nie było na liście SUT, model go wymyślił. Gdyby został wpisany bez weryfikacji, faktury te zostałyby masowo odrzucone lub wręcz uznane za nieprawidłowe kodowanie. Lekcja: kod jest zawsze potwierdzany na oficjalnej liście.
Sprawa 3 – Przyspieszenie projektu sprzeciwu. Pisanie zastrzeżeń do uzasadnionych odrzuceń w jednostce podatkowej zajmowało wiele godzin dziennie. Biegły przekazał YZ anonimowe uzasadnienie odrzucenia oraz odpowiednią podstawę SUT i zwrócił się o projekt petycji sprzeciwowej. Sztuczna inteligencja stworzyła uporządkowany zarys w ciągu kilku minut; Biegły sprawdził i podpisał podstawy i kwoty. Znacząco skrócił się czas przygotowania sprzeciwu, wzrosła liczba sprzeciwów i wzrosła kwota odzyskanej kwoty. AI to napisała, ekspert zweryfikował i wziął za to odpowiedzialność.
Cztery szablony do kopiowania
1) Klasyfikacja odrzucenia:
Twoja rola: asystent analityka cyklu przychodów. Poniżej znajdują się anonimowe dane o odrzuceniu: anonimowy numer kolejny, powód odrzucenia, grupa transakcji, kwota (brak identyfikatora pacjenta). Zadanie: pogrupuj odrzucenia według przyczyny, odejmij liczbę i całkowitą kwotę każdej grupy, zaznacz 3 powody, które powodują najwięcej strat. Nie dodawaj wymyślonego kodu ani powodu.
2) Podstawowa przyczyna (5 powodów):
Największą grupą odrzuceń jest „niedopasowanie diagnozy do procedury”. Aby to zrobić, przygotuj analizę 5 powodów: zasugeruj możliwą odpowiedź na każde pytanie „dlaczego”, dojdź do pierwotnej przyczyny i zaproponuj 3 zmiany procesu, które zapobiegną ponownym wystąpieniom. Zaznacz, że jest to hipoteza i należy ją zweryfikować w terenie.
3) Projekt sprzeciwu:
Poniżej wpisz PROJEKT petycji sprzeciwowej w sprawie anonimowego odrzucenia: powód odrzucenia [...], podstawa doręczenia [...], odpowiedni artykuł legislacyjny [wypełnia ekspert]. Używaj formalnego, pełnego szacunku i uzasadnionego języka. NIE wprowadzaj numeru artykułu legislacyjnego; Pozostaw to pole puste ze znacznikiem [WERYFIKUJ].
4) Wstępna lista kontrolna rejestracji:
Przed przystąpieniem do fakturowania przygotuj wstępną listę kontrolną rejestracji/kodowania, która zapobiegnie odrzuceniu: czy rodzaj ubezpieczenia jest prawidłowy, czy jest zgodny z diagnozą i procedurą, czy niezbędne dokumenty (epicrise, raport) są kompletne, czy nie występują duplikaty zapisów. Niech każdy element będzie pojedynczą linią oznaczoną tak/nie.
Słaba zachęta/silna zachęta
Słaba zachęta:
Podaj kod SSI tej transakcji i przygotuj go do faktury.
Jest to niebezpieczne: zastępuje oficjalne źródło sztuczną inteligencją, stwarzając ryzyko sfałszowania kodu.
Potężny monit:
Poniżej znajdują się nasze anonimowe dane dotyczące odmów. Klasyfikuj odrzucenia według przyczyny, uszereguj przyczyny, które powodują najwięcej strat w kolejności Pareto i zaleć działania zapobiegawcze w przypadku największej z nich. Kodeks SUT lub artykuł legislacyjny, fabrykacja JEŚLI KONIECZNE; Zaznacz „[weryfikacja eksperta]”.
Scena
Wkład sztucznej inteligencji
ludzka akceptacja
Rejestracja
Wstępna kontrola brakującego obszaru
rejestrator
Kodowanie
Możliwa sugestia kodu (otwarta do potwierdzenia)
Ekspert od kodowania + SUT
Fakturowanie
Wstępna lista kontrolna zgodności
specjalista ds. przychodów
Analiza odrzucenia
Klasyfikacja, Pareto, przyczyna pierwotna
menadżer przychodów
sprzeciw
Projekt petycji
Podpis autoryzowanego eksperta
Typowe błędy
- Używanie kodu AI bez weryfikacji. Fałszywy/starszy kod stwarza ryzyko odrzucenia i nieprawidłowości.
- Spieszę do wszystkich odmów na raz. Użyj Pareto i skup się na przyczynie, która powoduje, że tracisz najwięcej.
- Ominięcie przyczyny źródłowej. Jeśli to samo odrzucenie się powtórzy, oznacza to, że proces nie został poprawiony.
- Dostosowanie prawodawstwa do AI. Numer artykułu jest zawsze potwierdzany z oficjalnego źródła.
- Uznanie sprzeciwu za niepodpisany projekt. Projekt nie zostanie przesłany bez kontroli eksperckiej i podpisu.
Wskazówka: kategoryzuj przyczyny odrzucenia co miesiąc, korzystając z tego samego szablonu i utrzymuj trend. Jeśli jedno uzasadnienie spadnie, a drugie wzrośnie, wcześnie zobaczysz, czy zmiana procesu działa. AI przyspiesza klasyfikację; Twoim zadaniem jest zinterpretowanie trendu.
Podsumowując
Cykl przychodów to sposób, w jaki usługa zamienia się na pieniądze, a odmowy są jego największym wyciekiem. sztuczna inteligencja; Jest to potężny akcelerator do klasyfikacji odrzuceń, wyodrębniania przyczyn Pareto i głównych przyczyn, sporządzania odwołań i rejestracji wstępnej. Ale kodowanie i rozliczenia są regulowane; Sztuczna inteligencja może utworzyć nieprawidłowy kod. Każdy kod jest weryfikowany przez oficjalnego SUT, każdy sprzeciw przez uprawnionego eksperta. Odpowiedzialność i ostateczna akceptacja zawsze pozostają po stronie człowieka.
Zadanie aplikacji
Uzyskaj anonimową listę odrzuconych (powód, grupa transakcji, kwota) lub wygeneruj hipotetyczną. Zapytaj AI o klasyfikację Pareto za pomocą szablonu „Klasyfikacja odrzucenia” i znajdź przyczynę, która powoduje najwięcej strat. Z tego powodu przedstaw pierwotną przyczynę za pomocą szablonu „5 powodów” i zasugeruj działanie zapobiegawcze. W artykule 5 należy pamiętać, że nie akceptuje się żadnego kodu SUT bez jego weryfikacji i że ostateczna akceptacja należy do eksperta.
lista kontrolna
- [ ] Czy zanonimizowałem dane dotyczące odrzucenia (bez identyfikacji pacjenta)?
- [ ] Czy nie użyłem żadnego kodu/przepisów dostarczonych przez AI bez ich weryfikacji?
- [ ] Czy w przypadku Pareto ustaliłem priorytetowo najbardziej przegrywający powód?
- [ ] Czy znalazłem pierwotną przyczynę i określiłem działania zapobiegawcze?
- [ ] Czy poddałem projekt sprzeciwu kontroli eksperckiej i podpisowi?