Pagrindinių sveikatos priežiūros organizacijų pajamų ciklo valdymo iššūkių ir sprendimų tyrinėjimas | Simbo AI

1. Sudėtingi atsiskaitymo ir pretenzijų procesai

Vienas didelis pajamų ciklo valdymo iššūkis yra tai, koks sudėtingas gali būti atsiskaitymas ir pretenzijos. Sveikatos priežiūros paslaugų teikėjai turi laikytis skirtingų mokėtojų taisyklių, pvz., Medicare, Medicaid, privačių draudikų ir naujų polisų. Pavyzdžiui, tokiose taisyklėse kaip „No Surprises Act“ ir „Medicare Advantage“ audito pakeitimai prideda daugiau veiksmų, kurių reikia laikytis.

Pastaraisiais metais labai padaugėjo pretenzijų atmetimo atvejų. Ataskaita parodė, kad 73 % sveikatos priežiūros paslaugų teikėjų 2018–2024 m. pastebėjo daugiau atmetimų paraiškų. Dauguma atmetimų įvyksta dėl neteisingos paciento informacijos, trūkstamų dokumentų arba kodavimo klaidų. Beveik 60 % atmestų pretenzijų daugiau niekada nesiunčiama, o tai reiškia, kad prarandama daug pinigų.

Atsiskaitymo procesas reikalauja labai tikslaus darbo. Net mažos klaidos, pvz., neteisinga draudimo informacija ar procedūrų kodai, gali atidėti arba sustabdyti mokėjimus. Problema dar didesnė, nes skirtingos ligoninės taiko skirtingus atsiskaitymo būdus. Pavyzdžiui, „Critical Access Hospitals“ naudoja sąnaudomis pagrįstą atsiskaitymą, svyruojančių lovų paslaugas ir greitosios pagalbos kodus, todėl viskas tampa sudėtingesnė.

2. Darbo ir personalo trūkumas

Sveikatos priežiūros srityje sunku rasti pakankamai darbuotojų, ypač tokiems darbams kaip medicinos programuotojai, atsiskaitymo žmonės ir planuotojai. Apklausos rodo, kad apie 63% sveikatos priežiūros grupių trūksta pajamų ciklo komandų. Sunkiausia pasamdyti medicinos programuotojus – 34 % darbo vietų yra atidaryta. Tai daro didelį spaudimą dabartiniams darbuotojams ir padidina perdegimą.

Beveik 49 % gydytojų teigia, kad jaučiasi perdegę iš dalies dėl to, kad turi tvarkyti dokumentus ir pacientų priežiūrą. Dėl šių trūkumų sulėtėja paraiškų apdorojimas, atsiranda daugiau klaidų ir tampa sunkiau greitai gauti atlyginimą. Kadangi vis daugiau pacientų reikia priežiūros, per ateinančius dešimt metų atotrūkis tarp darbuotojų ir darbo gali padidėti. Taigi ligoninės turi rasti būdų, kaip efektyviai panaudoti darbuotojus.

3. Didėjanti paciento finansinė atsakomybė ir mokėjimo iššūkiai

Vis daugiau pacientų dabar turi daug išskaičiuojamų sveikatos planų, o tai reiškia, kad jie moka daugiau iš savo kišenės. Tai apsunkina mokėjimų valdymą. Apie 60 % pacientų nori daugiau skaitmeninių priemonių, kurios padėtų tvarkyti sąskaitas. Tačiau apie 25% amerikiečių sako, kad negali sumokėti savo medicininių skolų, todėl vėluoja mokėjimai arba neapmokėtos sąskaitos.

Daugelis pacientų susipainioja, kiek jie turi sumokėti iš anksto arba iš savo kišenės. Tai gali pakenkti santykiams su paslaugų teikėjais ir apsunkinti pinigų surinkimą. Sveikatos priežiūros grupės turi pateikti aiškią informaciją apie kainas ir mokėjimo būdus, kad būtų lengviau gauti atlyginimą ir kad pacientai būtų patenkinti.

4. Teisės aktų laikymasis ir politikos pakeitimai

Pajamų ciklo valdymas vadovaujasi daugeliu federalinių ir valstijų taisyklių. Tai apima besikeičiančias TVS taisykles, Medicaid atnaujinimus ir naujas programas, pvz., Transforming Episode Accountability Model (TEAM), pradedant 2026 m. Pagal šias taisykles reikalaujama, kad ligoninės ir gydytojai klinikinę ir atsiskaitymo informaciją pateiktų tikslią ir atnaujintą.

2024 m. atlikta apklausa parodė, kad daugiau nei 75 % paslaugų teikėjų sutinka, kad mokėtojų politikos pokyčiai vyksta dažniau. Dėl to sunkiau laikytis reikalavimų ir padidėja paraiškų atmetimo tikimybė. Kad darbuotojai neatsiliktų, jiems reikia nuolatinio mokymo, dažnų auditų ir atnaujintos programinės įrangos, kuri galėtų atlikti taisyklių pakeitimus.

5. Duomenų valdymas ir realaus laiko analizės trūkumas

Daugeliui paslaugų teikėjų vis dar sunku aiškiai matyti svarbius pajamų duomenis. Neturėdami informacijos realiuoju laiku, jie negali gerai numatyti pajamų, greitai patikrinti paraiškų atmetimo ar priimti gerų sprendimų.

Duomenys dažnai dalijami tarp elektroninių sveikatos įrašų (EHR), atsiskaitymo ir draudimo sistemų. Tai sukelia darbo dubliavimą ir klaidų, kurios lėtina atsiskaitymą. Šių sistemų prijungimas ir analizės naudojimas norint gauti naudingos informacijos yra labai svarbūs norint, kad pajamų ciklai veiktų sklandžiai.

Pajamų ciklo valdymo gerinimo sprendimai

1. Automatizavimas ir pažangūs programinės įrangos sprendimai

Daugiau sveikatos priežiūros grupių naudoja automatizavimą, kad atliktų pasikartojančias ir rankines užduotis pajamų cikle. Automatiniai įrankiai gali patikrinti tinkamumą, pateikti paraiškas, tvarkyti atsisakymus ir apdoroti mokėjimus. Sekimas realiuoju laiku padeda sumažinti klaidų skaičių ir pagreitina mokėjimą.

Kai kuri programinė įranga apima atsisakymo analizę. Tai padeda komandoms rasti modelius ir pašalinti priežastis, laikui bėgant sumažinant atsisakymo skaičių. Tokios įmonės kaip „Office Ally“ ir UASI siūlo RCM sprendimus, kurie pagerina atsiskaitymo tikslumą, finansų sekimą ir atitiktį.

2. Išplėstinė klinikinė dokumentacija ir kodavimo praktika

Teisinga klinikinė dokumentacija ir kodavimas yra labai svarbūs norint, kad paraiškos būtų priimtos ir tinkamai apmokėtos. Klinikinės dokumentacijos vientisumo (CDI) programos padeda užtikrinti, kad pacientų įrašai visiškai parodytų suteiktą priežiūrą, palaikydami tinkamus atsiskaitymo kodus.

Profesionalių koduotojų naudojimas sudėtingiems diagnostikos kodams ir reguliarios peržiūros padeda sumažinti atsisakymą ir riziką. Auditas tiek organizacijoje, tiek už jos ribų užtikrina aukštą kodavimo kokybę. Tai labai svarbu naudojant naujus priežiūros modelius, tokius kaip vertės pagrįstą priežiūrą (VBC) ir tradicinį mokestį už paslaugą (FFS).

3. Paciento įtraukimas ir kainų skaidrumas

Aiškios informacijos apie išlaidas pacientams suteikimas prieš priežiūrą ir jos metu padeda pagreitinti mokėjimus ir sumažinti painiavą. Skaitmeniniai portalai, programos ir mokėjimo planai, paaiškinantys, ką pacientai skolingi, pagerino pacientų pasitenkinimą.

Pavyzdžiui, „Experian Health“ kainų skaidrumo sprendimai suteikia pacientams išankstinius kainų įvertinimus. Tai padeda jiems planuoti ir palengvina mokėjimą.

AI pagrįstas pajamų ciklo optimizavimas

Dirbtinis intelektas (AI) ir automatizavimas dabar yra svarbūs sprendžiant RCM problemas. Apie 46 % JAV ligoninių pajamų ciklo užduotims atlikti naudoja tam tikrą AI. Be to, 74 % naudoja automatizavimo įrankius, pvz., robotų procesų automatizavimą (RPA) ir mašininį mokymąsi.

1. Kodavimo ir pretenzijų apdorojimo automatizavimas

AI technologija, pvz., natūralios kalbos apdorojimas (NLP), gali automatizuoti kodavimą, paimdama reikiamą informaciją iš klinikinių pastabų. Pavyzdžiui, Nym kodavimo įrankis yra daugiau nei 96% tikslus ir sumažina rankų darbą.

Automatizavimas pagreitina kodavimą ir sukuria auditui paruoštus dokumentus. Tai padeda išlaikyti atitiktį ir leidžia klinikiniam personalui daugiau dėmesio skirti pacientų priežiūrai, o ne dokumentų tvarkymui. Auburn bendruomenės ligoninėje panaudojus dirbtinį intelektą 50 % sumažėjo nebaigtų atsiskaitymo atvejų ir 40 % padidėjo kodavimo našumas.

2. Nuspėjamoji analizė ir neigimo valdymas

AI naudoja mašininį mokymąsi, kad nuspėtų, ar pretenzijos bus atmestos prieš jas išsiunčiant. Tai leidžia sveikatos priežiūros grupėms anksti ištaisyti klaidas, pagerinti priimamų pretenzijų skaičių ir sumažinti finansinius nuostolius.

Tokios ligoninės kaip Fresno bendruomenės sveikatos priežiūros tinklas turėjo 22 % mažiau atsisakymų išduoti išankstinį leidimą ir 18 % mažiau pretenzijų dėl nepadengtų paslaugų naudojant AI darbo eigą.

3. Patobulintas pacientų bendravimas per virtualius asistentus

AI pokalbių robotai ir virtualūs asistentai padeda greitai atsakyti į paciento atsiskaitymo klausimus ir tvarkyti mokėjimus. Tai sumažina pajamų reikalaujančių darbuotojų skaičių ir daro pacientus laimingesnius.

Tyrimai rodo, kad generatyvus AI skambučių centruose gali padidinti produktyvumą 15–30%. Tai padeda tvarkyti daugiau skambučių nepriimant daug daugiau darbuotojų.

4. Darbo jėgos parama ir kvalifikacijos kėlimas

Kadangi nėra pakankamai specializuotų RCM darbuotojų, AI palaiko dabartinius darbuotojus, o ne juos pakeičia. Jis atlieka paprastas kodavimo užduotis, leisdamas patyrusiems programuotojams sutelkti dėmesį į sunkesnį darbą. Automatizavimas taip pat sumažina perdegimą, nes sumažina pasikartojančių darbų skaičių.

Tokios grupės kaip Jorie AI teigia, kad svarbu išmokyti darbuotojus gerai naudoti šias naujas priemones, kad būtų panaikintas sveikatos priežiūros AI įgūdžių trūkumas.

5. Integracija ir realiojo laiko analizė

Susiedamos AI su ESI ir atsiskaitymo sistemomis, sveikatos priežiūros grupės gauna geresnius duomenis apie pajamų ciklo našumą realiuoju laiku. Tokie įrankiai kaip RAF Vue™ suteikia greitą informaciją apie lėtines ligas ir ataskaitas, pagerina kodavimą ir mokėjimą visiškai neintegruojant EHR.

Šios informacijos suvestinės padeda administratoriams sekti pagrindinius numerius, valdyti atsisakymus ir tiksliau numatyti pajamas.

Papildomi veiksniai, į kuriuos reikia atsižvelgti

Sveikatos priežiūros paslaugų teikėjai turi pritaikyti savo planus, kad atitiktų jų pačių nustatymus. Pavyzdžiui, „Critical Access“ ligoninės turi ypatingų iššūkių, nes jose yra mažiau lovų ir unikalių atsiskaitymo būdų. Konsultacijos ir atitikties programos gali padėti šioms kaimo ligoninėms išlikti finansiškai stabilioms net ir turint ribotus išteklius.

Piniginiams reikalams, tokiems kaip didėjančios Medicare išlaidos ir sudėtingesnės priežiūros pokyčiai, reikia nuolat planuoti ir naudoti technologijas.

Santrauka

JAV sveikatos priežiūros organizacijos susiduria su daugybe iššūkių, susijusių su pajamų ciklais, pvz., sudėtingas sąskaitų išrašymas, darbuotojų trūkumas, didėjančios pacientų mokėjimo pareigos ir besikeičiančios taisyklės. Norint išspręsti šias problemas, reikia daug sprendimų, įskaitant geresnį programinės įrangos automatizavimą, tikslią klinikinę dokumentaciją ir geresnį bendravimą su pacientais.

Dirbtinis intelektas ir automatizavimas atlieka svarbų vaidmenį spartinant kodavimą, sumažinant atsisakymus, didinant duomenų tikslumą ir padedant personalo darbui. Medicinos praktikos vadovai ir sveikatos priežiūros savininkai turėtų pagalvoti apie šių priemonių naudojimą, kad pajamos būtų pastovios, laikytųsi taisyklių ir pagerintų pacientų patirtį nuolat besikeičiančioje sveikatos priežiūros sistemoje.