它的健康MedCity有影响力的人

准备《意料之中的行动:自动化如何帮助解决提供者目录问题》

遵守“毫无意外”规定的最后期限——1月1日——几乎就要到了。想要遵守其提供者目录规定的付款人现在必须行动。

医疗费用

无意外法案(美国国家安全局)将于2022年1月1日生效。我们知道这对病人来说意味着什么——这是一个可喜的暂缓,因为超出他们控制的情况而产生的意外医疗账单。但其他利益相关者呢,比如保险公司?《意料之中法案》(No surprise Act)的一项规定要求医疗计划更频繁地更新其提供者名录。这就触及了意外收费的根本原因,即患者能够轻松识别哪些提供者在网络内。如果付款人能在48小时内更新他们的目录,就像法律规定的那样,病人将有更好的机会找到他们的医保计划所涵盖的医疗服务。

听起来合理,对吗?

除了健康计划在任何时候都要处理大量的供应商数据这一事实。而且,这些数据并没有通过付费者和提供商之间的共享平台无缝地流进来。付款人从数百个不同的供应商组织收到Excel电子表格,每个组织都有自己独特的、不断变化的模板。数据是如此混乱,以至于所有的计划都有专门的工作人员,他们的工作是评估、解释、清理,然后将数据输入计划的系统。毫不奇怪——双关语——这些更新可能需要数周的时间,每年花费数百万美元,而且准确率仍然低至60%。这是一个很大的问题,因为计划不仅依赖这些信息来更新他们的提供商目录,而且还决定应该向哪些提供商支付合同费率,用于专业和许可证更新,以及正确支付索赔所必需的计费信息更改。

虽然从历史上看,解决所有这些问题对支付人来说是一项挑战,但机器学习和人工智能的最新进展,现在使每年花费数百万小时清理和输入这些数据的自动化成为可能,并提高其准确性。不妨这样想:园艺师有帮助他们铲土的机器,这样他们就可以专注于美化院子。举个另一个行业的例子,在这个行业中,人类的生命处于危险之中,飞行员做出了所有的飞行决定,而不是飞机。

这是帮助人类安全、轻松地完成大量工作的技术的两个例子。如果计划使用这些技术,它们不仅会遵守《意料之中法案》(No surprising Act),还将被授权让员工回到他们的核心业务:保持成员健康。

付款人应该如何考虑自动化

在接下来的几个月里,当健康保险公司考虑利用自动化来帮助他们遵守《意料之中法案》(No Surprise Act)时,有三件主要的事情要记住。

  1. 了解自动化能做什么,不能做什么。自动化不能完全解决全局互操作性问题。然而,一些更复杂的平台所能做的是位于不同系统之间,充当转换器。如果计划预先将工作人员的知识进行编码,这些工作人员一直在清理和键入这些数据,然后将这些知识提供给算法,那么它就可以承担与理解这些数据相关的工作。简单地说,如果一个自动化工具提供了关于人类如何处理这些数据的决策的所有信息,那么它可以应用相同的决策框架,但以更有效和一致的方式。
  2. 评估情况并设定现实的目标。在目前的手工流程下,支付人进行提供商更新平均需要多长时间?更新中有多少百分比是准确的?对于接收到的数据,计划最常遇到的问题是什么(是缺少列标题,还是Excel文件中包含空白字段,在错误的实践位置列出了提供者,还是其他完全不同的问题)?对这些问题的回答会因支付人的不同而不同,改善的目标也会不同。国家计划显然比单一市场计划获得更多的提供商数据量。一些计划已经开始记录他们的数据处理决策树,而另一些计划甚至还没有确定需要这种文档。更成熟的医疗计划可能希望设定的目标超过《无意外法案》(No surprise Act)的要求,目标是提供商更新的周转时间不超过24小时(而不是需要48小时),准确率达到95%或更高。考虑到自动化工具的强大功能,这些目标都是合理的。
  3. 了解可用自动化解决方案的范围。并非所有自动化解决方案都是平等的。有些方案需要“撕裂和替换”的方法,这可能会对现有的IT基础设施造成破坏,但其他解决方案实际上可以与当前系统共存。在能够自动处理的数据类型方面,解决方案也各不相同——保险公司应该寻找那些足够复杂的,能够处理人类生成的数据固有的混乱的方案。最后,付款人应该寻找除了技术之外还能提供人力支持的自动化合作伙伴。没有必要在公司内部有一个数据科学家团队来利用自动化。合适的合作伙伴可以帮助进行需求评估和目标设置,提供关于如何记录当前手动过程的过程的指导,围绕将自动化置于适当位置的时间轴设置预期,当然,还可以加速时间轴。

2022年1月1日似乎还很遥远,但考虑到即将到来的假期和人们通常在去年第四季度休假的时间,《意料之中法案》(No Surprises Act)的截止日期实际上已经不远了。想要遵守其提供者目录规定的付款人现在必须行动。

图片:fizkes, Getty Images


鲍勃·林德纳
鲍勃·林德纳

鲍勃·林德纳

作为联合创始人和首席技术官,鲍勃·林德纳博士负责监督吠陀经的科学和工程团队。他提供战略愿景,构建创新技术,并将吠陀的科学家与其科学顾问委员会联系起来。

Bob对数据科学情有独钟,并且有解决大问题的激情。他是一名有十多年经验的天体物理学家,擅长数据建模和设计和构建基于云的机器学习系统。

在他多年的研究和研究中,鲍勃有了许多重大发现和“首次发现”。最值得注意的是,他创造了机器学习代码,使科学家分析下一代望远镜数据的能力自动化并加速。这个名为Gausspy的程序继续增加科学家对我们星系起源的了解。他在罗格斯大学(Rutgers University)获得物理学博士学位,在威斯康星大学麦迪逊分校(UW-Madison)担任博士后研究员,领导了Gausspy的开发。

这篇文章通过MedCity有影响力的项目.任何人都可以通过MedCity Influencers在MedCity News上发表他们对医疗保健业务和创新的看法。万博互联网怎么样了点击这里了解如何操作

股票0

这篇文章刊登在医疗诉讼事件表这是Breaking Media出版物MedCity News和凌驾于法律之上的合作伙伴关系。万博互联网怎么样了

输入您的电子邮件地址订阅。

股票0
Baidu