保险验证和事先授权消耗了技术熟练的工作人员本可以花在病人身上的宝贵时间. 医疗领域的人工智能可以提供帮助.
![彼得Matuszak的头像](http://assets.toptal.io/images?url=http%3A%2F%2Fbs-uploads.toptal.io%2Fblackfish-uploads%2Fcomponents%2Fblog_author%2Fcontent%2Fphoto_file%2Fphoto%2F1089281%2Fregular_238x238_Matuszak_540-cc558d859d8ca22a42cb7d0a6d9ebb9a.jpg&width=320)
彼得Matuszak
彼得Matuszak是Toptal的资深商业撰稿人. 曾任《欧博体育app下载》调查记者,多个政府机构和官员的政策顾问, 他现在写科技方面的文章, 金融, 以及Toptal见解的未来工作.
有特色的专家
全球卫生系统 不堪重负,人手不足. 医院已经从医护人员身上榨取了所有可能的效率,而且正在这样做 管理任务 与治疗患者的时间相比,它占用了提供者时间的惊人比例. 人工智能工具的使用,例如处方和图表注释的语音转文本转录, 自动化人员调度系统开始减轻管理负担.
自动化保险覆盖验证和低风险事先授权可能是医疗保健领导者试图通过创新解决行业劳动力短缺问题的下一个重要步骤. 保险索赔和事先授权通常需要医护人员打电话, 发邮件和短信, 和, 在某些情况下, 把表格传真给保险公司,然后等待回复, 桑德拉·卡里科说, 机器学习副总裁 Sorcero, 专注于患者预后的生命科学语言智能平台, 提高了生产率, 以及监管监督.
想要在人工智能方面取得进展的医疗保健领导者需要适应比他们习惯的更快的行动——以及强者, 医疗服务提供者和保险公司之间的既定界限必须被打破.
平均, 手动预先授权平均需要21分钟的工作时间,单个授权可能需要45分钟, 根据2021年 报告 来自平价优质医疗保健委员会(CAQH), 一个非盈利的健康计划联盟, 供应商, 政府机构, 以及标准制定机构. “如果我们能自动化事先授权, 我们可以更好地利用我们训练有素的医疗专业人员,卡里科说。. “从生产力的角度来看,这是一个简单的胜利.”
这也是一个明显的经济胜利. 通过自动化事先授权,保险公司和医疗保险等其他支付方每年可以节省4.37亿美元, 根据上述CAQH报告. 该组织估计,总体而言,医疗保健行业可以将其管理成本降低50% $13.30亿年 每年通过全面采用自动化.
![这张图表显示,在2019年接受调查的医疗保健企业领导者中,82%的人表示人工智能已经改善了工作流程. 约45%的人表示,人工智能增加了患者咨询、检查和治疗的时间. 61%的人表示,人工智能减少了医疗服务提供者写报告和维护记录的时间.](http://assets.toptal.io/images?url=http%3A%2F%2Fbs-uploads.toptal.io%2Fblackfish-uploads%2Fpublic-files%2Fimage_0-af8ef0e678ea026535db19f50297a768.png)
打破藩篱
实现预先授权自动化的主要障碍之一是 数据孤岛 供应商和保险公司之间, 说Carrico, 在医疗保险巨头Anthem从传统保险公司转型为基于数据的保险和护理平台期间,谁是这家公司的首席人工智能架构师, AI, 还有机器学习.
美国医学协会一直呼吁向自动化和简化的事先授权过渡 至少从2018年开始. 来自各级医疗保健系统的数据一致性和透明度 主要改革原则 组织的指导性文件规定. 仍然, 事先授权是医疗保健组织实现高级计算最不活跃的领域之一, 根据CAQH.
相关: 开放人才如何推动医疗数字化转型
不幸的是,医疗保健行业的发展非常缓慢 凯尔Kotowick, 拥有人类系统集成博士学位的解决方案架构师,也是技术系统咨询公司的创始人 Invicton实验室. “他们对待IT的方法与对待新的医疗技术和程序的方法相同:在受控环境中仔细测试, 确保它不会造成任何伤害, 然后考虑采用它,如果收益大于成本,他说.
但是,想要在人工智能方面取得进展的医疗保健领导者需要适应比他们习惯的更快的行动——以及强者, 医疗服务提供者和保险公司之间的既定界限必须被打破. “如果你想要解决这些问题,你就必须打破规则,”卡里科说.
引进顶尖人才
对于试图实施人工智能的医疗保健领导者来说,争夺人才是一个持续的挑战. 传统的医疗保健公司一直在争夺实现这些跨越式发展的高级患者护理所需的人才, 拉杰·毗湿奴说, Toptal医疗保健和生命科学高级客户合作伙伴, 当一家财富25强的医疗保健公司建立了人工智能中心并进行了其他数字创新时,是谁把熟练的技术自由职业者安置在这家公司.
![这张图表显示,95%的医疗保健高管表示,他们正在优先招聘人工智能人才, 92%的人表示,任何使用人工智能驱动数据的员工都应该至少对人工智能的工作原理有所了解.](http://assets.toptal.io/images?url=http%3A%2F%2Fbs-uploads.toptal.io%2Fblackfish-uploads%2Fpublic-files%2Fimage_1-a049556d5f384ceec75dd8fa9203cc16.png)
现在,谷歌和AWS等大型科技公司已经进入了医疗保健领域, 医疗保健公司更难找到拥有高级技能的全职技术人员, 他说.
“在过去几年里, 技术一直在呈指数级变化,但人才市场正以线性规模改善, 这意味着差距每天都在扩大,毗湿奴说. “因此,医疗保健公司拥有一个强大的人才模式来有效应对未来的状况,这一点至关重要.”
利用有能力建立先进计算机模型的临时人才团队是一种选择. 这可能比竞相聘用稀缺的全职技术人员更具成本效益, 他说, 这也让团队保持灵活,能够根据需要进行调整和创新. 公司还需要操作人员,即机器学习操作, 或ML操作人员,他们的任务是在日常的基础上运行自动化, 说Carrico.
雇人来做机器学习操作可能比雇人来构建系统更具挑战性. “这些工具还不成熟, 人们不知道该问什么问题, 这些模式还没有很好地建立起来, 它并没有被广泛理解,她指出.
在医疗保健领域推进人工智能
与Toptal合作的大公司现在使用人工智能进行客户服务, 计费, 护理管理, 裁决索赔. 在2021年的虚拟股东大会上, 该公司首席数字官表示,该公司预计在未来几年内实现50%的工作自动化.
是时候让其他有远见的医疗保险公司站出来,带头冲锋了. “所有的信息都要通过保险公司,因为他们是付款人,毗湿奴说. “在我们合作的医疗保健公司, Toptal的人才最终构建了他们的整个人工智能平台, 谁知道他们得到的所有信息:索赔信息, 临床资料, 人口统计信息, 可穿戴数据, 所有这些构成了所谓的数据湖.”
正是在这种深层的数据流上,可以做出次要的事先授权决策, 在其他自动决策中. “这对保险公司和患者来说是一个三赢的局面, 还有医生的办公室,他说. “由于现有关系的性质,在一些收养方面会有犹豫, 但这些都是需要克服的障碍. 病人将看到的价值是如此巨大,以至于系统将会适应——这对所有参与者都是同样有益的.”