Hit enter after type your search item

כיצד הבינה המלאכותית משכתבת מחדש את האוטומציה של קידוד רפואי

/
/
/
1097 Views

[ad_1]

קשה להפריז בחשיבותה של בינה מלאכותית. כאשר היא מיושמת ביעילות, AI מחזיקה ביכולת להגדיל את עסקי החיוב שלך פי עשרה. במקרים רבים, AI הוא הדבר שמגדיל את העסק ולא את כוח העבודה הפיזי. השאלה המוחית לעסקים רבים היא כיצד AI משנה את אופן הפעולה של עסקים?

כדי לעזור לענות על שאלה זו ניתחנו חברות חיוב וקידוד רבות. להלן גרסה מסוכמת של ממצאי המחקר שלנו:

קידוד וחיוב היא שיטה שבאמצעותה נקבעים קודים סטנדרטיים המסווגים את רישומי המידע על המטופלים ובכך מכתיבים את החיוב כלפי חברות הביטוח.

המטרה היא ליצור עלות חיוב סטנדרטית הנקבעת על פי קוד רישום המטופל. למרבה הצער, תהליך זה עומד בפני אתגרי דיוק משמעותיים.

ניתן לייחס זאת לתיעוד לא מספיק, ביצוע לא יעיל של הליכים.

כפי שנאמר בהופעת הטכנולוגיה, על פי המרכזים לרפואה ושירותי Medicaid (CMS), טעויות גרמו לתשלומים לא תקינים של 36.21 מיליארד דולר בשנת 2017. (1)

תעשיית הקידוד סובלת מנסיגה עצומה בשל אופי הביקורות שלהם, המתקיימות לקראת סוף מחזור ההכנסות. לכן, גם אם יזוהו טעויות, מאוחר מדי לתקן אותן שכן עלות התיקון בדרך כלל גבוהה מהנזק הראשוני.

בתוך תעשיית הקידוד והחיוב הרפואי, דווח לאחרונה כי קודים הניתנים לחיוב עברו כעת מספר כולל של 70,000+ אשר לאחר מכן מגדיל את הצורך בקודנים רפואיים בשיעור משמעותי.

עבודת הקידוד הרפואי, כאשר היא נעשית באופן ידני, היא מסובכת ודורשת כמות כוח אדם גבוהה יותר מכיוון שיש רק כל כך הרבה חשבונות שכל אדם יכול להתמודד איתם ביעילות. זוהי חלק מהסיבה לכך שהתעשייה הייתה עדה למספר מקרים של אי דיוקים, הודות לטעויות יקרות שנעשו תוך ניסיון להתמיד בקודים החדשים שהולכים וגדלים.

הצורך של השעה הוא ליצור תהליך זריז המאפשר לתהליך הקידוד והחיוב הרפואי לזרום בצורה חלקה.

כיצד זורם תהליך חיוב וקידוד רפואי מסורתיים?

מערכת החיוב המסורתית כוללת הרבה תיעוד ידני וניירת. טענת הנייר היא תהליך שלוקח זמן שבו מקודדים הכניסו כל קוד בנפרד בטפסים המודפסים. כל טפסי הנייר מועברים לאחר מכן לארגון החיוב הרפואי ומאוחר יותר למשלמים.

במערך מבוסס נייר, זמן התפנית הממוצע מהגשת תביעה ועד לקבלת תשלומים הוא בין 5 ל -7 שבועות ואילו במערכות החיוב הרפואי האוטומטי ניתן לצמצם לשבועיים.

מרדף דרישה לתשלום באמצעות נייר מבוסס: סקירה כללית

המטופל מבקר במשרד הרופא

מטופל מבצע צ’ק-אין ומקבל טיפול

רופא או עוזר כותב שטר

קודן רפואי מוסיף קודי טיפול

טפסי נייר עם קידוד נשלחים לחשבונים רפואיים אשר לאחר מכן מעצבים את הנתונים ומעבירים אותם למשלמי הביטוח

המשלם יוצר צ’ק ושולח תשלום לספק

כיצד אוטומציה AI תגדיל את תהליך החיוב הרפואי?

כיום, האתגר המתמשך הוא דיוק הקידוד. כדי לשפר את היעילות והיעילות של תהליך החיוב והקידוד, חברות בריאות רבות מוצאות דרכים לפשט עבודת קידוד ידנית עם AI

יישומים.

הטכנולוגיה המתפתחת ב- AI מבוססת על קידוד בעזרת מחשב (CAC) שעובד על למידת מכונות ועיבוד שפות טבעיות (NLP). ה- CAC מזהה וחולץ אוטומטית נתונים ממסמכים ומוכנס למערכת.

צורך השעה הוא מערכת אוטומטית מבוססת אינטרנט המנתחת תיעוד רופא לטקסט/טיפול ומזהה אוטומטית קודים רפואיים רלוונטיים.

מעבר לקודי עיבוד וכמויות נתונים גבוהות, AI יכול להפחית באופן משמעותי את שעות העבודה הסטנדרטיות ואת טעויות האדם.

אילו בעיות פותרת בינה מלאכותית?

דאגה טבעית לפופולריות של יישומי AI היא החשש, בתעשייה, שהטכנולוגיות המתפתחות הללו יצמצמו את מספר המשרות הזמינות בספקטרום החיוב והקידוד הרפואי.

עם זאת, יש לציין כי ליישומים אלה יש את היכולת להגדיל באופן משמעותי את היעילות והמהירות של מקודדים אנושיים לבצע קידוד מדויק אך אינם יכולים להחליף לחלוטין את המקודדים האנושיים. לדוגמה, כאשר המקודד טועה, היישום יכול להצביע עליו מייד עם המלצות לתיקון השגיאה, והתיקון מתבצע במהירות האפשרית. זה מטפל בבעיות ה”מאוחרות מדי “ומגדיל את המהירות שבה המקודד פועל.

עם זאת, ראוי להזכיר כי ניתן להקל על חשש זה על ידי הסתכלות על קצב הגידול הממוקד של התעסוקה בתחום הבריאות הוא בשיעור חסר תקדים בעשור הקרוב. על פי נתוני הלשכה לסטטיסטיקה של עבודה צופים עלייה של 18 אחוזים בתעסוקה של טכנאי מידע בריאות בין 2016 ל -2026, הרבה מעל שיעור הצמיחה הממוצע לכל שאר המקצועות, והוסיפו 2.4 מיליון משרות חדשות. (2)

המכשולים במערכת הנוכחית – נקודת המבט שלנו

האופי המורכב של חיוב וקידוד רפואי הופך אותו ליעד קבוע של טעויות ולפעמים, אלה עלולים לגרום לאובדן גבוה במידה ניכרת.

מורכבות זו מתאימה גם לדרישה של כוח עבודה משמעותי יותר, שבו מקודדים מבלים יותר ויותר זמן בביצוע משימות חטובות שניתן לבצע במהירות וביעילות על ידי

מערכות אוטומטיות של טכנולוגיות AI.

בהתחשב בגידול הנוכחי של היבט זה של הבריאות ועלייתו הצפויה בארה”ב, מערכת חזקה היא הצורך של השעה.

אוטומציה של AI היא מערכת זו, שעומדת לתת מענה לכל נקודות הכאב שהמערכת הנוכחית חווה, כגון מופע חיוב לא מדויק וכו ‘.

בהתחשב בכך שתיקון החיוב השגוי, כאשר הוא מתבצע באופן ידני, הוא הליך ממושך ומסובך שיכול לגרור עלויות נוספות, אימוץ AI יכול להצביע באופן אוטומטי על השגיאות באופן מיידי ולהפחית את העלויות הנוספות ואת צריכת הזמן.

הדרך קדימה

חיוב וקידוד רפואי הם המרכיב המהותי של האופן שבו שירותי הבריאות מועברים ומדווחים בארה”ב קידוד לא מדויק הוא אתגר שצריך לטפל בו בטכנולוגיה חדשה. OSP Labs עובדת עם טכנולוגים בתחום הבריאות לבניית פתרונות המשפיעים על חברות קידוד רפואי.

קבע פגישה מהירה מקוונת עם מומחה AI שלנו כדי לצלול לעומק לניהול תביעות בתחום בריאות המודיעין ולראות כמה מפרויקטים חדשניים של AI. אנו מנתחים את העסק שלך, מבינים את נקודות הכאב שלך ויוצרים מפת דרכים AI כדי לפתור את האתגרים הקריטיים שלך.

בהתחשב בגידול הנוכחי של היבט זה של הבריאות ועלייתו הצפויה בארה”ב, מערכת חזקה היא הצורך של השעה.

מָקוֹר:- https://www.osplabs.com/insights/how-to-boost-medical-billing-business-using-artificial-intellegence/

[ad_2]

Source by Saurabh Pavnoji

Leave a Comment

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

This div height required for enabling the sticky sidebar
Copyright at 2021. www.seomapp.com All Rights Reserved