示例演练. 这是一个说明性的示例演练，并非客户成果。这个诊所集团和其中的每个数字都是假设。它展示用于预授权的 AI：读取患者病历、提取保险方要求的事实、并组装材料包的软件。它不判断医疗必要性，也不会自行提交。由协调员批准。
设想一个拥有多家诊所的集团，预授权材料包的准备很慢。为便于说明，假设协调员的时间花在病历、保险方门户和核对清单之间来回抄写事实上。本文梳理这个设计以及该衡量什么。它不报告任何结果。
这个集团是假设的，所以没有可点名的客户。有一个细节比名字更重要：流程会提取并组装，但绝不会自动提交。协调员批准每一份材料包，每次运行都会保留审计日志，记录模型读了什么、产出了什么。
一个预授权案例的时间花在了哪里？
先测量，再动手构建。观察协调员准备一批案例样本，并给每一步计时。撰写很快，慢的是查找、阅读和重新录入。
- 阅读病历，找出诊断、已试过无效的药物以及开具医嘱医生的记录。
- 把这些事实对照具体保险方的要求，而要求因方案而异。
- 把所有内容重新录入材料包和门户，再反复核对，期间不断被打断。
- 等待。做到一半的材料包会一直搁着，直到协调员回来处理。
所以目标从来都不是「写得更快」，而是「别再让人去翻找那些本来就在病历里的事实」。
#用于预授权的 AI 如何减少准备工作？
AI 如何缩短预授权的准备时间？
它读取病历，提取保险方要求的临床事实，并起草材料包，让协调员审核而不是重新录入。诊所集团会在上线前后衡量准备时间和协调员工时。每一次提交在送达保险方之前，仍由协调员批准。
这套流水线分四步运行：从病历中提取相关信息，将其组装成支付方要求的材料格式，校验必填字段是否齐全、彼此是否一致，最后将材料分发到协调员的审批队列。没有人点击批准，任何材料都不会离开这个队列。
该设计沿用与我们的物流理赔和入职示例演练相同的文档处理模式，并针对受监管的医疗行业做了调整。其结构见我们的 AI 落地实施页面：提取、校验、路由、人工审批队列。这里的区别在于审计日志。因为是医疗场景，要记录模型读取的每个字段和写入的每个字段，使审核人能把材料包里的任何一行追溯到病历中的出处。
#如果 AI 提取的信息出错了，会怎样？
它会被发现，因为有人在读。这正是审批队列的全部意义。预计会有一部分起草的材料包需要协调员修正或补充字段，并跟踪这个比例。这不是流程的失败，而是流程在履行职责：快速给出草稿，让人把时间花在审核上，而不是查找上。
We are
Stennir 搭建的是一套文档处理流水线，起草预授权材料包，交由协调员审批，并保留完整的审计轨迹。
We aren't
Stennir 不是一个会自动提交、判断医疗必要性或擅自向支付方申报理赔的机器人。
这里没有客户引言，因为没有客户。这个设计的检验标准是：在模型不做任何决定的前提下，协调员能否不再重新录入病历。
诊所集团会衡量什么？
衡量材料包的准备时间和协调员工时，在上线前后对比，针对同一批诊所、同一批协调员和同样的保险方构成，并在任何改变发生前先取得基线。这样才能分清真正的改善和一次演示。这里不声称任何结果。
如果你负责诊所集团的运营，而团队正把病历重新录入保险方门户，这正是适合的工作类型。和这个示例一样，我们在构建任何东西之前先从测量开始。你可以在我们的 AI 咨询页面了解我们怎么界定范围，在期刊的其余文章里了解我们的思路。如果这听起来像你的一周，告诉我们你在做什么。
