PANDUAN Industri

AI dalam Kebenaran Terdahulu

AI dalam kebenaran terdahulu menggunakan automasi, enjin peraturan dan pembelajaran mesin untuk menyerahkan, menyemak dan memutuskan permintaan kelulusan penanggung insurans untuk rawatan, ubat dan prosedur sebelum penjagaan dihantar.

  • 4 minit membaca
  • Kemas kini terakhir
Pada halaman ini4 minit membaca
  1. Gambaran keseluruhan
  2. Menyelam dalam
  3. Kesan Strategik
  4. Masa Depan AI dalam Keizinan Terdahulu
  5. Pelaksanaan Dunia Sebenar
  6. Risiko & Pengawal
  7. Hala Tuju Pelaksanaan
  8. Teruskan Meneroka
  9. Soalan lazim

Gambaran keseluruhan

Ini penting kerana kebenaran terdahulu menangguhkan penjagaan dan menggunakan sejumlah besar masa doktor dan kakitangan, manakala semakan automatik telah membuat tindakan undang-undang dan peraturan baharu berhubung dakwaan bahawa algoritma menafikan penjagaan secara tidak wajar.

Menyelam dalam

Kebenaran awal (PA) ialah proses di mana pelan kesihatan mesti meluluskan perkhidmatan tertentu sebelum ia membayar untuknya. Secara tradisinya, kakitangan di pejabat pembekal mengisi borang khusus pembayar, faks atau muat naik rekod klinikal dan menunggu beberapa hari untuk pengulas menggunakan kriteria keperluan perubatan. Kumpulan pakar perubatan telah lama melaporkan bahawa ini melambatkan rawatan dan menambah keletihan. AI muncul di kedua-dua belah pihak. Pembekal dan vendor menggunakan automasi untuk mengesan apabila PA diperlukan, mengumpulkan dokumentasi daripada EHR dan menjejaki status. Pembayar menggunakan enjin peraturan dan pembelajaran mesin untuk meluluskan secara automatik permintaan mudah dan mencuba yang lain. Kerja standard menyokong ini: projek HL7 Da Vinci mentakrifkan aliran kerja berasaskan FHIR untuk menyemak keperluan liputan, mengumpul dokumentasi dan menyerahkan permintaan secara elektronik. Kontroversi berpusat pada penafian automatik. Pelaporan dan tindakan undang-undang bermula pada 2023 mendakwa bahawa sesetengah penanggung insurans bergantung pada algoritma untuk menafikan atau memotong penjagaan. Contohnya termasuk tindakan kelas terhadap UnitedHealth melalui alat Predict nH naviHealth yang digunakan untuk penjagaan selepas akut dalam Medicare Advantage, dan dakwaan bahawa sistem PxDx Cigna membenarkan pengarah perubatan menolak tuntutan secara pukal dengan sedikit semakan individu. PxDx membimbangkan tuntutan selepas penjagaan disampaikan dan bukannya kebenaran terdahulu, tetapi ia membentuk perbahasan yang sama. Kes-kes ini masih dipertikaikan. Pengawal selia telah bertindak balas. Peraturan Akhir Kebolehoperasian dan Kebenaran Terdahulu CMS, yang dikeluarkan pada 2024, memerlukan pembayar dalam program seperti Medicare Advantage, Medicaid dan rancangan pertukaran persekutuan untuk memenuhi rangka masa keputusan, menerbitkan metrik PA dan membina API PA. CMS juga memberitahu rancangan Medicare Advantage bahawa algoritma tidak boleh menjadi asas tunggal untuk menafikan penjagaan tanpa mengambil kira keadaan pesakit individu. Beberapa negeri, termasuk California, telah meluluskan undang-undang yang memerlukan doktor yang berkelayakan untuk membuat keputusan penafian keperluan perubatan. Salah tanggapan biasa ialah AI dalam PA hanya bermaksud penafian. Kebanyakan nilai realistik adalah kelulusan yang lebih cepat dan kurang kertas kerja; risikonya terletak pada mengautomasikan keputusan buruk tanpa semakan manusia yang bermakna.

Kesan Strategik

Konteks dan peraturan

Konteks industri menentukan sama ada idea AI bertahan dalam hubungan dengan realiti.

Kawalan kualiti

Kekangan domain mempengaruhi kadar ralat dan model pengawasan yang boleh diterima.

Pilihan binaan

Penerapan yang berjaya menyelaraskan keupayaan teknikal dengan aliran kerja barisan hadapan.

Masa Depan AI dalam Keizinan Terdahulu

Keizinan terdahulu elektronik mungkin akan menjadi lebih biasa apabila keperluan API persekutuan memasuki fasa dan vendor EHR membinanya ke dalam aliran kerja pesanan. Kad emas, yang mengecualikan doktor dengan kadar kelulusan yang tinggi daripada beberapa ulasan, juga tersebar, sebahagiannya disebabkan oleh undang-undang negeri, dan automasi menjadikan program sedemikian lebih mudah dijalankan. Pada masa yang sama, pengawasan penafian algoritma berkembang melalui undang-undang negeri, panduan persekutuan dan litigasi, jadi jejak audit dan semakan manusia yang didokumenkan akan menjadi lebih penting. Model bahasa mungkin mengurangkan kertas kerja di kedua-dua belah pihak, tetapi ia juga meningkatkan prospek sistem AI secara berkesan berunding dengan sistem AI lain, yang menjadikan ketelusan tentang kriteria liputan penting.

Pelaksanaan Dunia Sebenar

Apabila doktor memesan MRI, EHR klinik menyemak sama ada pelan pesakit memerlukan kebenaran terlebih dahulu dan pra-mengisi permintaan dengan nota yang berkaitan dan sejarah pengimejan.

Penanggung insurans meluluskan secara automatik permintaan yang jelas sepadan dengan kriteria klinikalnya yang diterbitkan, seperti dos ubat standard untuk diagnosis yang didokumenkan, dan menghantar segala-galanya kepada jururawat atau pengulas doktor.

Pasukan kitaran hasil hospital menggunakan model bahasa untuk menarik bukti terapi yang gagal sebelum ini daripada nota carta, mengurangkan masa yang diluangkan oleh kakitangan untuk memasang paket rayuan.

Kumpulan advokasi pesakit membandingkan kadar penafian dan rayuan-terbalikkan untuk penjagaan selepas akut untuk mengesan kes-kes di mana alat ramalan tempoh penginapan mungkin telah mendorong pemotongan liputan awal.

Risiko & Pengawal

  • Keperluan kawal selia boleh membatalkan prototaip yang kukuh.

  • Data sejarah mungkin mengekod berat sebelah yang membahayakan komuniti tertentu.

  • Sistem warisan boleh mewujudkan kesesakan penyepaduan dan kos tersembunyi.

Hala Tuju Pelaksanaan

  1. Libatkan pakar domain daripada pembingkaian masalah hingga penilaian.

  2. Reka bentuk jejak audit dan dokumentasi sebelum pelancaran.

  3. Sahkan pematuhan dan kewajipan keselamatan lebih awal.

  4. Melancarkan secara berfasa dengan kriteria hentian dan undur yang jelas.

Teruskan Meneroka

Free newsletter

Get the daily AI briefing

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the AI in Prior Authorization quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

Mulakan kuiz

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

Soalan lazim

Apakah AI dalam Kebenaran Terdahulu?

AI dalam kebenaran terdahulu menggunakan automasi, enjin peraturan dan pembelajaran mesin untuk menyerahkan, menyemak dan memutuskan permintaan kelulusan penanggung insurans untuk rawatan, ubat dan prosedur sebelum penjagaan dihantar. Ini penting kerana kebenaran terdahulu menangguhkan penjagaan dan menggunakan sejumlah besar masa doktor dan kakitangan, manakala semakan automatik telah membuat tindakan undang-undang dan peraturan baharu berhubung dakwaan bahawa algoritma menafikan penjagaan secara tidak wajar.

Apakah kebenaran terdahulu?

Kebenaran terdahulu ialah langkah pengurusan penggunaan di mana syarikat insurans menyemak dan meluluskan perkhidmatan tertentu sebelum pembayaran.

Apakah yang disediakan oleh projek HL7 Da Vinci?

Panduan pelaksanaan Da Vinci menyeragamkan langkah kebenaran elektronik terdahulu supaya EHR dan pembayar boleh bertukar-tukar keperluan dan dokumentasi.

Tindakan kelas yang melibatkan alat Predict nH naviHealth melibatkan jenis penjagaan apa?

Tuntutan itu mendakwa alat itu digunakan untuk memotong liputan penjagaan selepas akut, seperti penginapan kemudahan pemulihan, untuk ahli Medicare Advantage.

Apakah maksud automasi pihak pembayar selalunya 'tidak simetri dengan reka bentuk'?

Meluluskan permintaan yang layak dengan jelas secara automatik mempercepatkan penjagaan, sambil memastikan manusia bertanggungjawab terhadap kemungkinan penafian mengehadkan risiko penolakan automatik yang salah.

Apakah yang CMS beritahu rancangan Medicare Advantage tentang algoritma?

Panduan CMS mengatakan rancangan mesti mempertimbangkan keadaan individu setiap pesakit, jadi output algoritma sahaja tidak boleh membenarkan penafian.