الترميز الطبي المدعوم بالذكاء الاصطناعي: كيف تتصدى الشركات الناشئة لأزمة مطالبات الرعاية الصحية $250B

نظام الرعاية الصحية في الولايات المتحدة ينزف مليارات الدولارات سنويًا بسبب رفض المطالبات. مع رفض ما يقرب من $265 billion في المطالبات كل عام، تتجه المؤسسات الصحية بشكل متزايد إلى الذكاء الاصطناعي لتبسيط العمليات وحماية تدفقات الإيرادات.

الأسباب الجذرية وراء ارتفاع حالات الرفض

حجم المشكلة مذهل. يشكل الترميز الطبي غير الصحيح أكثر من 40% من رفض المطالبات، بينما تساهم التأخيرات في التقديم بمقدار 35% آخر. تعقيدات التحقق من الأهلية والموافقات السابقة تزيد من تفاقم هذه التحديات. بالنسبة لمسؤولي المستشفيات وفرق دورة الإيرادات، تمثل هذه الرفضات ليس فقط خسارة في الدخل بل أيضًا احتكاكات تشغيلية متزايدة.

لقد انفجر تعقيد الترميز في السنوات الأخيرة. تصنيفات رموز التشخيص تضخمت من 19,000 خيار تحت ICD-9 إلى ما يقرب من 120,000 تحت ICD-11. مواكبة التحديثات المستمرة في NCCI، وتغيرات سياسات Medicare، ومتطلبات شركات التأمين الخاصة أصبحت شبه مستحيلة للفرق البشرية التي تعمل على نطاق واسع.

RapidClaims تظهر مع 3.1 مليون دولار لثورة أتمتة الترميز الطبي

اعترافًا بهذه المشكلة النظامية، أطلقت RapidClaims رسميًا من وضع الاختباء مع تمويل أولي قدره 3.1 مليون دولار لأتمتة الترميز الطبي على مستوى المؤسسات. كانت الجولة بقيادة Together Fund، وهو $250 مليون صندوق استثمار عالمي يركز على البرمجيات، بدعم من Better Capital، Neon Fund، Peercheque، وDeVC.

فريق قيادة الشركة — دوشيانت ميشرا (المدير التنفيذي)، جوت ساروب ساهني (المدير التقني)، وأبهياناي فياس (المدير الرقمي) — يجمع بين خبرة عميقة في الرعاية الصحية وقدرات مثبتة على توسيع المنتجات. اكتشف ميشرا الفرصة لأول مرة في 2018 أثناء عمله في Abbott Healthcare، حيث لاحظ كيف تكافح المستشفيات عبر عمليات دورة الإيرادات المجزأة. زادت الحاجة إلى الحل في 2022 مع ارتفاع معدلات الرفض على المستوى الوطني، وأظهرت النماذج اللغوية الكبيرة إمكانيات واضحة لحل تحديات الترميز.

ومن الجدير بالذكر أن RapidClaims جمعت شبكة استشارية من مؤسسات رعاية صحية بارزة في الولايات المتحدة، بما في ذلك أوسكار بنيفيديز (المدير التنفيذي في Mass General)، أنكيت جاين (مؤسس ومدير تنفيذي لشركة Infinitus)، وساشين جاين (رئيس ومدير تنفيذي لشركة Scan Health).

ثلاثة منتجات ذكاء اصطناعي مخصصة لدورة الإيرادات

تقوم RapidClaims بنشر ثلاثة حلول مميزة تستهدف أجزاء مختلفة من سير عمل الترميز الطبي:

RapidCode يوفر ترميزًا طبيًا مستقلًا تمامًا، يقضي على عنق الزجاجة في الإدخال اليدوي من خلال أتمتة شاملة تقلل من عبء العمل الإداري مع تحسين الدقة.

RapidAssist يعمل كطبقة ذكاء لمجموعات الترميز الحالية، يراجع توثيق السجلات، يحدد الثغرات، ويبني أدوات استعلام مخصصة مدعومة بمحركات قواعد ذكية لتعزيز إنتاجية المرمزين البشريين بدلاً من استبدالهم.

RapidRisk يستخدم ذكاء اصطناعي متقدم لحساب مقاييس معدل المخاطر المعدلة (HCC و RAF scores) مع التوصية بتحسينات التوثيق استنادًا إلى أطر عمل تم تطويرها بالتعاون مع خبراء تحسين التوثيق السريري (CDI).

زخم السوق والتحقق المبكر

الوقت استراتيجي. وجد تحليل مشترك بين Bain & Company و KLAS أن 80% من مقدمي الرعاية الصحية في الولايات المتحدة يقومون بتوسيع ميزانيات تكنولوجيا المعلومات والبرمجيات، مع إعطاء أولوية للاستثمار في تقنيات الذكاء الاصطناعي. يظل تحول دورة الإيرادات التصنيف الأول من حيث الأولوية التشغيلية لمديري الأنظمة الصحية الذين يسعون لاحتواء النفقات الإدارية واسترداد الإيرادات المفقودة.

أكدت RapidClaims على توافق المنتج مع السوق بسرعة، من خلال إكمال ست عمليات تجريبية خلال شهرين من إطلاق النسخة التجريبية في يونيو 2023، مع وجود خمس تجارب إضافية جاهزة للنشر.

قال ماناف غارغ، الشريك المؤسس لـTogether Fund: “إمكانات التحول في الذكاء الاصطناعي في تبسيط سير العمل الإداري عبر دورة الإيرادات عميقة. فريق RapidClaims يظهر مزيجًا نادرًا من معرفة عميقة بأنظمة الرعاية الصحية وقدرة حقيقية على تنفيذ الذكاء الاصطناعي — وهو بالضبط ما يلزم لإطلاق القيمة على نطاق واسع.”

وأضاف دوشيانت ميشرا: “نحن نلاحظ نتائج ملموسة في تقليل التكاليف، وسرعة المعالجة، وتحسين صافي الإيرادات من خلال الذكاء الاصطناعي. بينما تعتبر الأتمتة ضرورية، ندرك أن المرمزين الخبراء لا يزالون لا يقدرون بثمن في التنقل عبر اللوائح المعقدة والحالات الحدية. تمثل RapidAssist التزامنا بتعزيز — وليس القضاء على — المرمزين المهرة.”