Lợi nhuận:
- Hiểu các giai đoạn của chu kỳ doanh thu (ghi chép, mã hóa, lập hóa đơn, hoàn trả, thu tiền) và nơi trí tuệ nhân tạo tạo ra các bản nháp/séc ở từng giai đoạn
- Khả năng phân loại SSI/từ chối hoàn trả với sự hỗ trợ trí tuệ nhân tạo và đưa ra nguyên nhân gốc rễ và dự thảo phản đối
- Hiểu rằng việc tuân thủ quy định và phê duyệt cuối cùng trong việc lập hóa đơn và mã hóa thuộc về chuyên gia được ủy quyền và nguy cơ trí tuệ nhân tạo đề xuất mã giả
Ngay cả khi bệnh viện chữa khỏi bệnh cho bệnh nhân, bệnh viện cũng không thể tồn tại về mặt tài chính nếu không thể thu thập chính xác và kịp thời cho dịch vụ mà bệnh viện cung cấp. Toàn bộ dòng tiền này được gọi là chu kỳ doanh thu: đó là quy trình tài chính bắt đầu từ việc đăng ký của bệnh nhân, mã hóa dịch vụ, lập hóa đơn, hoàn trả của tổ chức (chủ yếu là SGK - Tổ chức An sinh xã hội ở Türkiye) và mở rộng đến việc thu tiền. Điểm khó chịu nhất của chu trình này là bị từ chối: SSI từ chối thanh toán hóa đơn vì nhận thấy hóa đơn không đầy đủ/không chính xác. Bị từ chối có nghĩa là không thể được trả tiền cho một công việc đã hoàn thành. Trong phần này, chúng ta sẽ sử dụng trí tuệ nhân tạo làm công cụ kiểm soát và soạn thảo ở mọi giai đoạn của chu kỳ doanh thu. Nhưng giới hạn khắc nghiệt nhất được áp dụng ở đây: Việc thanh toán và mã hóa được quy định; AI có thể điều chỉnh trôi chảy mã không hợp lệ. Sự phê duyệt cuối cùng của từng quy tắc và phản đối thuộc về chuyên gia được ủy quyền.
Các giai đoạn của chu kỳ doanh thu
Hãy chia chu kỳ thành năm giai đoạn. Đăng ký là việc nhập chính xác thông tin bệnh nhân và bảo hiểm vào hệ thống; lỗi ở đây (loại cầu chì không đúng) được chuyển tiếp đến cuối. Mã hóa là bản dịch dịch vụ được cung cấp thành mã giao dịch chính thức (SUT - Mã Thông cáo Thực hành Y tế ở Türkiye). Lập hóa đơn là việc truyền các dịch vụ được mã hóa đến tổ chức hoàn trả dưới dạng hóa đơn. Hoàn trả là giai đoạn tổ chức xem xét và thanh toán (hoặc từ chối) hóa đơn. Thu tiền là việc nhận tiền thực tế. Việc từ chối chủ yếu xuất phát từ lỗi ở giai đoạn mã hóa và thanh toán: thiếu tài liệu, quy trình chẩn đoán không tương thích, đăng ký trùng lặp, vi phạm quy tắc SUT.
AI có ích ở đâu trong chu kỳ này? Kiểm tra các trường còn thiếu trong bản ghi; Trong mã hóa, các đề xuất mã có thể có (cần được xác minh); Kiểm soát trước việc tuân thủ thanh toán; Trong phân tích từ chối, phân loại từ chối, tìm nguyên nhân gốc rễ và soạn thảo đơn phản đối. Nó không hoạt động ở đâu? Khi quyết định chính xác mã hợp lệ là gì - bởi vì chỉ SUT hiện tại và chuyên gia mới biết điều này.
Điều quan trọng là phải phân biệt hai khoảng thời gian khác nhau trong quản lý từ chối. Đầu tiên là công việc phản ứng: phân tích sự từ chối và phản đối những người đúng, tức là cố gắng lấy lại sự mất mát. Thứ hai, và có giá trị hơn, là công việc phòng ngừa: tìm ra nguyên nhân gốc rễ của việc bị từ chối và thay đổi quy trình để đảm bảo việc từ chối không xảy ra nữa. Hầu hết các tổ chức dành toàn bộ sức lực của mình để phản đối; trong khi nếu bạn bị từ chối hết lần này đến lần khác vì cùng một lý do từ tháng này sang tháng khác, thì sự phản đối chỉ là dùng thìa đổ hết nước vào xô - công việc thực sự là tắt vòi. AI hữu ích trên cả hai khía cạnh: về mặt phản ứng, nó tăng tốc độ soạn thảo phản đối, về mặt phòng ngừa, nó làm cho mô hình từ chối và nguyên nhân gốc rễ trở nên rõ ràng. Nhưng thực hiện thay đổi mang tính phòng ngừa (danh sách kiểm tra, đào tạo mã hóa, cảnh báo hệ thống) tại hiện trường và tuân thủ pháp luật là công việc của con người.
Từng bước: Phân tích từ chối bằng AI
- Thu thập các lời từ chối ẩn danh. Trình tự ẩn danh, mã/lý do từ chối, nhóm giao dịch, số tiền thay vì số hóa đơn. Không có ID bệnh nhân.
- Phân loại. Yêu cầu AI nhóm các từ chối theo lý do: thiếu tài liệu, hành động chẩn đoán không khớp, quy tắc SUT, trùng lặp.
- Đầu ra Pareto. Hầu hết sự từ chối thường xuất phát từ nhiều lý do (80/20). Lý do nào khiến bạn mất nhiều tiền nhất?
- Đi đến nguyên nhân gốc rễ. Đối với nhóm bị từ chối nhiều nhất, hãy xem xét câu hỏi “tại sao” bằng phương pháp 5 Tại sao.
- Hành động phòng ngừa + dự thảo phản đối. Đề xuất thay đổi quy trình để tránh trùng lặp; In một bản kiến nghị phản đối dự thảo để từ chối chính đáng.
- Sự chấp thuận của chuyên gia. Mỗi mã và phản đối đều được xác minh bởi SUT hiện tại và chuyên gia về doanh thu/mã hóa; Bản nháp AI không thay thế chữ ký.
Lưu ý: Sai lầm nguy hiểm nhất là hỏi AI “mã SUT của giao dịch này là gì” và nhập mã trực tiếp vào hóa đơn. Mô hình có thể hoàn toàn tin tưởng rằng mã không tồn tại hoặc đã lỗi thời. Mã sẽ không bao giờ được sử dụng nếu không có xác nhận với danh sách SUT chính thức.
ba trường hợp nhỏ
Trường hợp 1 - Pareto của sự từ chối. Số tiền bị từ chối hàng tháng của một bệnh viện là 1.240 hóa đơn, tổng cộng là 860.000 TL. Chuyên gia doanh thu đã cung cấp dữ liệu từ chối ẩn danh cho AI. Phân loại AI cho thấy 62% số lần bị từ chối xuất phát từ hai lý do: "tài liệu sử thi không đầy đủ" và "quy trình chẩn đoán không tương thích". Nhóm tập trung vào hai điều này trước tiên: danh sách kiểm tra tài liệu xuất viện và kiểm tra chéo chẩn đoán mã hóa đã được thiết lập. Trong vòng hai tháng, số lần bị từ chối vì hai lý do này đã giảm đi một nửa và khoản lỗ hàng tháng giảm ~300.000 TL.
Trường hợp 2 - Bẫy mã ảo giác. Một nhân viên đã yêu cầu AI cung cấp mã SUT cho hoạt động mới; AI trả về một mã trông giống thực tế một cách trôi chảy như "P612340". Chuyên gia kiểm tra: mã này không có trong danh sách SUT, mô hình đã bịa đặt. Nếu nó được nhập mà không xác minh, những hóa đơn đó sẽ bị từ chối hàng loạt hoặc thậm chí bị coi là mã hóa không đúng. Bài học: mã luôn được xác nhận với danh sách chính thức.
Trường hợp 3 - Xúc tiến dự thảo phản đối. Viết những lời phản đối cho những lời từ chối chính đáng trong một đơn vị doanh thu mất hàng giờ mỗi ngày. Chuyên gia đã đưa ra lý do từ chối ẩn danh và cơ sở SUT có liên quan cho YZ và yêu cầu một bản dự thảo kiến nghị phản đối. AI tạo ra một bản phác thảo có cấu trúc trong vài phút; Chuyên gia kiểm tra và ký xác nhận căn cứ, số tiền. Thời gian chuẩn bị phản đối giảm đi đáng kể, số lượng phản đối tăng lên và số tiền thu hồi được tăng lên. AI viết ra, chuyên gia xác minh và chịu trách nhiệm.
Bốn mẫu có thể sao chép
1) Phân loại từ chối:
Vai trò của bạn: trợ lý cho nhà phân tích chu kỳ doanh thu. Dưới đây là dữ liệu từ chối ẩn danh: số thứ tự ẩn danh, lý do từ chối, nhóm giao dịch, số tiền (không có ID bệnh nhân). Nhiệm vụ: nhóm các trường hợp bị từ chối theo lý do, trừ số lượng và tổng số tiền của mỗi nhóm, đánh dấu 3 lý do gây thiệt hại nhiều nhất. Không thêm mã hoặc lý do bịa đặt.
2) Nguyên nhân cốt lõi (5 lý do):
Nhóm bị từ chối lớn nhất là "quy trình chẩn đoán không phù hợp". Để làm điều này, hãy soạn thảo bản phân tích 5 Tại sao: đề xuất câu trả lời khả thi cho từng câu hỏi "tại sao", tìm ra nguyên nhân gốc rễ và đề xuất 3 thay đổi quy trình sẽ ngăn ngừa tái diễn. Nói rõ rằng đây là một giả thuyết và cần được xác minh trên thực tế.
3) Dự thảo đơn phản đối:
Viết DỰ THẢO đơn phản đối ẩn danh dưới đây: lý do từ chối […], cơ sở tống đạt […], điều luật liên quan [do chuyên gia điền vào]. Sử dụng ngôn ngữ trang trọng, tôn trọng, hợp lý. KHÔNG tạo nên số điều luật; Để trống với thẻ [XÁC MINH].
4) Danh sách kiểm tra trước khi đăng ký:
Trước khi bắt đầu lập hóa đơn, hãy chuẩn bị danh sách kiểm tra trước khi đăng ký/mã hóa để ngăn chặn việc bị từ chối: loại bảo hiểm có chính xác không, nó có tương thích với chẩn đoán và quy trình không, các tài liệu cần thiết (lời khai, báo cáo) có đầy đủ không, có hồ sơ trùng lặp nào không. Hãy để mỗi mục là một dòng duy nhất, được đánh dấu có/không.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Cung cấp mã SSI của giao dịch này và chuẩn bị lập hóa đơn.
Điều này rất nguy hiểm: nó thay thế AI cho nguồn chính thức, gây ra nguy cơ mã giả mạo.
Lời nhắc mạnh mẽ:
Dưới đây là dữ liệu từ chối ẩn danh của chúng tôi. Phân loại các trường hợp bị từ chối theo lý do, xếp hạng các nguyên nhân gây tổn thất nhiều nhất theo thứ tự Pareto và đề xuất hành động phòng ngừa đối với nguyên nhân lớn nhất. Mã SUT hoặc điều luật, bịa đặt NẾU CẦN THIẾT; Đánh dấu "[chuyên gia xác minh]".
Sân khấu
Đóng góp của AI
sự chấp thuận của con người
Đăng ký
Kiểm tra trước khu vực bị thiếu
người đăng ký
Mã hóa
Đề xuất mã có thể (mở để xác nhận)
Chuyên gia mã hóa + SUT
lập hóa đơn
Danh sách kiểm tra trước việc tuân thủ
chuyên gia doanh thu
Phân tích từ chối
Phân loại, Pareto, nguyên nhân gốc rễ
người quản lý doanh thu
phản đối
Dự thảo đơn khởi kiện
Chữ ký của chuyên gia có thẩm quyền
Những lỗi thường gặp
- Sử dụng mã AI mà không cần xác minh. Mã giả/cũ tạo ra nguy cơ bị từ chối và bất thường.
- Vội vã từ chối tất cả cùng một lúc. Hãy sử dụng Pareto và tập trung vào nguyên nhân khiến bạn thua lỗ nhiều nhất trước tiên.
- Bỏ qua nguyên nhân gốc rễ. Nếu việc từ chối tương tự lặp lại, điều đó có nghĩa là quy trình chưa được sửa chữa.
- Làm cho pháp luật tuân thủ AI. Số mặt hàng luôn được xác nhận từ nguồn chính thức.
- Nhầm sự phản đối là một bản dự thảo không có chữ ký. Dự thảo sẽ không được gửi đi nếu không có sự kiểm soát và chữ ký của chuyên gia.
Mẹo: Phân loại lý do từ chối hàng tháng bằng cách sử dụng cùng một mẫu và theo xu hướng. Nếu một lý do giảm xuống và lý do kia tăng lên, bạn sẽ sớm biết liệu thay đổi quy trình của mình có hiệu quả hay không. AI tăng tốc độ phân loại; Công việc của bạn là giải thích xu hướng.
Tóm lại
Chu kỳ doanh thu là cách dịch vụ được chuyển đổi thành tiền và việc bị từ chối là rò rỉ lớn nhất. AI; Nó là một công cụ tăng tốc mạnh mẽ để phân loại các trường hợp bị từ chối, trích xuất Pareto và nguyên nhân gốc rễ, soạn thảo kháng nghị và đăng ký trước. Nhưng mã hóa và thanh toán được quy định; AI có thể tạo ra mã không hợp lệ. Mỗi mã được xác minh bởi SUT chính thức, mỗi phản đối bởi chuyên gia được ủy quyền. Trách nhiệm và sự phê duyệt cuối cùng luôn thuộc về con người.
Nhiệm vụ ứng dụng
Nhận danh sách từ chối ẩn danh (lý do, nhóm giao dịch, số tiền) hoặc tạo danh sách giả định. Yêu cầu AI phân loại Pareto với mẫu "Phân loại từ chối" và tìm ra lý do gây ra nhiều tổn thất nhất. Vì lý do đó, hãy phác thảo nguyên nhân gốc rễ bằng mẫu "5 Whys" và đề xuất hành động phòng ngừa. Xin lưu ý ở điều 5 rằng bạn không chấp nhận bất kỳ mã SUT nào mà không xác minh nó và sự phê duyệt cuối cùng thuộc về chuyên gia.
danh sách kiểm tra
- [ ] Tôi đã ẩn danh dữ liệu từ chối (không có thông tin nhận dạng bệnh nhân) chưa?
- [ ] Tôi đã không sử dụng bất kỳ quy tắc/luật nào do AI cung cấp mà không xác minh nó phải không?
- [ ] Tôi đã ưu tiên lý do thua lỗ nhiều nhất với Pareto chưa?
- [ ] Tôi đã tìm ra nguyên nhân gốc rễ và xác định hành động phòng ngừa chưa?
- [ ] Tôi đã chịu sự kiểm soát và chữ ký của chuyên gia về dự thảo phản đối chưa?