Przykład krok po kroku. To ilustracyjny przykład krok po kroku, nie wynik klienta. Grupa klinik i każda liczba w nim to założenia. Pokazuje AI do wstępnej zgody ubezpieczyciela: oprogramowanie, które czyta kartę pacjenta, wyciąga fakty wymagane przez płatnika i składa wniosek. Nie decyduje o konieczności medycznej i nie wysyła niczego samo. Zatwierdza koordynator.
Wyobraź sobie grupę klinik, w której przygotowanie wniosku o wstępną zgodę jest wolne. Dla ilustracji załóż, że koordynatorzy spędzają czas na przepisywaniu faktów między kartą pacjenta, portalem płatnika i listą kontrolną. Ten wpis przechodzi przez projekt i to, co mierzyć. Nie podaje żadnego wyniku.
Grupa jest hipotetyczna, więc nie ma klienta do wskazania. Jeden szczegół liczy się bardziej niż nazwa: pipeline wyciąga i składa, ale nigdy nie wysyła automatycznie. Koordynator zatwierdza każdy wniosek, a każde uruchomienie zachowuje dziennik audytu tego, co model przeczytał i co wytworzył.
#Gdzie ucieka czas w sprawie o wstępną zgodę?
Zacznij od mierzenia, nie od budowania. Obserwuj koordynatorów przygotowujących próbkę spraw i mierz czas każdego kroku. Pisanie jest szybkie. Szukanie, czytanie i przepisywanie jest wolne.
- Czytanie karty pacjenta, żeby znaleźć rozpoznanie, leki wypróbowane bez skutku i notatki lekarza zlecającego.
- Dopasowanie tych faktów do wymagań konkretnego płatnika, które różnią się zależnie od planu.
- Przepisanie wszystkiego do wniosku i portalu, a potem podwójne sprawdzenie, rozłożone między przerwania.
- Czekanie. Na wpół złożony wniosek leży, aż koordynator do niego wróci.
Celem nigdy nie było „pisać szybciej”. Celem było „przestać zmuszać człowieka do szukania faktów, które już są w karcie”.
#Jak AI do wstępnej zgody zmniejsza pracę przygotowawczą?
Jak AI skraca przygotowanie wniosku o wstępną zgodę?
Czyta kartę pacjenta, wyciąga fakty kliniczne wymagane przez płatnika i przygotowuje wniosek, tak by koordynator sprawdzał zamiast przepisywać. Grupa klinik zmierzyłaby czas przygotowania i godziny koordynatorów przed i po. Koordynator nadal zatwierdza każde zgłoszenie, zanim dotrze do płatnika.
Proces działa w czterech krokach: wyciąga istotne fakty z karty pacjenta, składa je w formacie pakietu wymaganym przez ubezpieczyciela, weryfikuje, czy wymagane pola są obecne i spójne wewnętrznie, a następnie kieruje pakiet do kolejki zatwierdzeń koordynatora. Nic nie opuszcza tej kolejki bez kliknięcia „zatwierdź” przez człowieka.
Projekt wykorzystuje ten sam wzorzec przetwarzania dokumentów co nasze przykłady krok po kroku o roszczeniach logistycznych i onboardingu, dostrojony do regulowanej branży zdrowotnej. Jego kształt opisuje nasza strona o wdrażaniu AI: wyciągnij, zwaliduj, skieruj, kolejka zatwierdzeń przez człowieka. Różnica tutaj to dziennik audytu. Ponieważ to ochrona zdrowia, zapisuje się każde pole, które model przeczytał, i każde, które napisał, żeby recenzent mógł prześledzić dowolną linię wniosku do jej źródła w karcie pacjenta.
#Co się dzieje, gdy AI poda błędny fakt?
Zostaje to wyłapane, bo czyta to człowiek. Na tym polega cały sens kolejki zatwierdzeń. Spodziewaj się, że część przygotowanych wniosków będzie wymagać poprawienia lub uzupełnienia pola przez koordynatora, i śledź ten odsetek. To nie jest porażka pipeline'u. To pipeline wykonujący swoją pracę: szybko dostarczający szkic, by człowiek poświęcił czas na sprawdzanie zamiast szukania.
We are
Stennir buduje proces przetwarzania dokumentów, który tworzy szkice pakietów autoryzacji wstępnej do zatwierdzenia przez koordynatora, z pełną ścieżką audytu.
We aren't
Stennir nie jest botem automatycznie zgłaszającym wnioski, który decyduje o zasadności medycznej albo samodzielnie składa roszczenia u ubezpieczyciela.
Nie ma tu cytatu klienta, bo nie ma klienta. Test projektu to czy koordynatorzy przestają przepisywać kartę pacjenta, podczas gdy model niczego nie rozstrzyga.
#Co zmierzyłaby grupa klinik?
Czas przygotowania wniosku i godziny koordynatorów, przed i po, w tych samych klinikach, z tymi samymi koordynatorami i tym samym miksem płatników, z punktem odniesienia ustalonym, zanim cokolwiek się zmieni. Tak odróżnia się prawdziwą poprawę od dema. żaden wynik nie jest tu zapewniany.
Jeśli kierujesz operacjami grupy klinik, a twój zespół przepisuje karty pacjentów do portali płatników, to właśnie ten rodzaj pracy. Zaczynamy od mierzenia, tak jak ten przykład, zanim cokolwiek zbudujemy. Jak to ujmujemy, przeczytasz na naszej stronie o consultingu AI, a jak myślimy, w reszcie journal. Jeśli to brzmi jak twój tydzień, powiedz nam, co budujesz.
