NastępnyNastępny poradnik
Sztuczna inteligencja w zarządzaniu cukrzycą
Przemysły
PRZEWODNIK branżowy
AI w ramach uprzedniej autoryzacji
Sztuczna inteligencja w zakresie uprzedniej autoryzacji wykorzystuje automatyzację, silniki reguł i uczenie maszynowe do przesyłania, sprawdzania i podejmowania decyzji w sprawie wniosków o zatwierdzenie przez ubezpieczyciela leczenia, leków i procedur przed udzieleniem opieki.
Na tej stronie4 minuty czytania
Przegląd
Ma to znaczenie, ponieważ uprzednia autoryzacja opóźnia opiekę i pochłania duże ilości czasu lekarza i personelu, podczas gdy zautomatyzowane przeglądy doprowadziły do procesów sądowych i nowych przepisów w związku z twierdzeniami, że algorytmy niewłaściwie odmówiły opieki.
Głębokie nurkowanie
Uprzednia autoryzacja (PA) to proces, podczas którego plan opieki zdrowotnej musi zatwierdzić określone usługi, zanim za nie zapłaci. Tradycyjnie pracownicy biura usługodawcy wypełniają formularze dla płatnika, faksują lub przesyłają dokumentację medyczną i czekają kilka dni, aż osoba przeprowadzająca badanie zastosuje kryteria konieczności medycznej. Grupy lekarzy od dawna zgłaszały, że opóźnia to leczenie i zwiększa wypalenie zawodowe. AI pojawia się po obu stronach. Dostawcy i sprzedawcy korzystają z automatyzacji, aby wykryć, kiedy potrzebna jest PA, zebrać dokumentację z EHR i śledzić status. Płatnicy korzystają z silników reguł i uczenia maszynowego, aby automatycznie zatwierdzać proste żądania i selekcjonować resztę. Prace nad standardami potwierdzają to: projekt HL7 Da Vinci definiuje przepływy pracy oparte na FHIR w celu sprawdzania wymagań dotyczących zasięgu, gromadzenia dokumentacji i składania wniosków drogą elektroniczną. Kontrowersje dotyczą automatycznych odmów. W raportach i procesach sądowych rozpoczętych w 2023 r. stwierdzono, że niektórzy ubezpieczyciele polegali na algorytmach, aby odmówić opieki lub ją odciąć. Przykłady obejmują pozew zbiorowy przeciwko UnitedHealth w związku z narzędziem naviHealth nH Predict używanym do opieki po leczeniu ostrym w ramach Medicare Advantage oraz zarzuty, że system PxDx firmy Cigna umożliwia dyrektorom medycznym masowe odrzucanie roszczeń z niewielką ilością indywidualnej analizy. PxDx dotyczyło roszczeń po udzieleniu opieki, a nie wcześniejszej zgody, ale ukształtowało tę samą debatę. Sprawy te pozostają sporne. Organy regulacyjne zareagowały. Ostateczna zasada dotycząca interoperacyjności i uprzedniej autoryzacji CMS, wydana w 2024 r., wymaga od płatników programów takich jak Medicare Advantage, Medicaid i federalnych planów wymiany dotrzymania ram czasowych decyzji, publikowania wskaźników PA i tworzenia interfejsów API PA. CMS poinformował również plany Medicare Advantage, że algorytmy nie mogą być jedyną podstawą odmowy opieki bez uwzględnienia indywidualnej sytuacji pacjenta. Kilka stanów, w tym Kalifornia, przyjęło przepisy wymagające od wykwalifikowanych klinicystów podejmowania decyzji odmownych ze względów medycznych. Powszechnym błędnym przekonaniem jest to, że sztuczna inteligencja w PA oznacza jedynie odmowę. Większość realistycznych korzyści to szybsze uzyskiwanie zezwoleń i mniej formalności; ryzyko polega na automatyzacji niekorzystnych decyzji bez znaczącej kontroli człowieka.
Wpływ strategiczny
Kontekst i zasady
Kontekst branżowy decyduje o tym, czy pomysły AI przetrwają kontakt z rzeczywistością.
Kontrola jakości
Ograniczenia domeny wpływają na akceptowalne poziomy błędów i modele nadzoru.
Buduj wybory
Pomyślne wdrożenia łączą możliwości techniczne z przepływami pracy na pierwszej linii frontu.
Przyszłość sztucznej inteligencji w zakresie uprzedniej autoryzacji
Elektroniczna uprzednia autoryzacja stanie się prawdopodobnie coraz bardziej powszechna w miarę wprowadzania federalnych wymagań dotyczących API, a dostawcy EHR będą włączać je do przepływów pracy związanych z zamówieniami. Rozpowszechnia się także „złota karta”, która zwalnia klinicystów o wysokim wskaźniku akceptacji z niektórych przeglądów, również się rozpowszechnia, częściowo ze względu na przepisy stanowe, a automatyzacja ułatwia prowadzenie takich programów. Jednocześnie wzrasta nadzór nad odmowami algorytmicznymi poprzez przepisy stanowe, wytyczne federalne i postępowania sądowe, dlatego ścieżki audytu i udokumentowana weryfikacja przez człowieka będą miały większe znaczenie. Modele językowe mogą ograniczyć formalności po obu stronach, ale zwiększają także szansę na skuteczne negocjowanie przez systemy sztucznej inteligencji z innymi systemami sztucznej inteligencji, co sprawia, że przejrzystość w zakresie kryteriów zasięgu jest niezbędna.
Implementacja w świecie rzeczywistym
Kiedy lekarz zleca badanie MRI, dział EHR kliniki sprawdza, czy plan pacjenta wymaga wcześniejszej autoryzacji i wstępnie wypełnia wniosek odpowiednimi notatkami i historią badań obrazowych.
Ubezpieczyciel automatycznie zatwierdza wnioski, które wyraźnie odpowiadają opublikowanym kryteriom klinicznym, takim jak standardowa dawka leku w celu udokumentowanej diagnozy, a resztę przesyła pielęgniarce lub lekarzowi recenzentowi.
Zespół ds. cyklu przychodów szpitala korzysta z modelu językowego, aby wyciągnąć z notatek do wykresów dowody wcześniej nieudanych terapii, skracając w ten sposób czas poświęcany przez personel na przygotowywanie pakietów odwoławczych.
Grupa rzeczników pacjentów porównuje wskaźniki odmów i odmów odwoływania się w przypadku opieki po leczeniu ostrym z wykryciem przypadków, w których narzędzie do przewidywania długości pobytu mogło spowodować wczesne ograniczenie zakresu ubezpieczenia.
Zagrożenia i poręcze
Wymogi prawne mogą unieważnić mocne prototypy.
Dane historyczne mogą kodować uprzedzenia, które szkodzą konkretnym społecznościom.
Starsze systemy mogą powodować wąskie gardła w integracji i ukryte koszty.
Plan wdrożenia
Zaangażuj ekspertów dziedzinowych od sformułowania problemu po ocenę.
Zaprojektuj ścieżki audytu i dokumentację przed uruchomieniem.
Wcześnie zweryfikuj wymogi dotyczące zgodności i bezpieczeństwa.
Wdrażaj etapami z jasnymi kryteriami zatrzymania i wycofywania.
Odkrywaj dalej
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.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Często zadawane pytania
Czym jest sztuczna inteligencja w przypadku uprzedniej autoryzacji?
Sztuczna inteligencja w zakresie uprzedniej autoryzacji wykorzystuje automatyzację, silniki reguł i uczenie maszynowe do przesyłania, sprawdzania i podejmowania decyzji w sprawie wniosków o zatwierdzenie przez ubezpieczyciela leczenia, leków i procedur przed udzieleniem opieki. Ma to znaczenie, ponieważ uprzednia autoryzacja opóźnia opiekę i pochłania duże ilości czasu lekarza i personelu, podczas gdy zautomatyzowane przeglądy doprowadziły do procesów sądowych i nowych przepisów w związku z twierdzeniami, że algorytmy niewłaściwie odmówiły opieki.
Co to jest uprzednia autoryzacja?
Uprzednia autoryzacja to etap zarządzania wykorzystaniem, podczas którego ubezpieczyciel sprawdza i zatwierdza określone usługi przed dokonaniem płatności.
Co zapewnia projekt HL7 Da Vinci?
Przewodniki wdrażania programu Da Vinci standaryzują etapy wcześniejszej autoryzacji elektronicznej, dzięki czemu EHR i płatnicy mogą wymieniać się wymaganiami i dokumentacją.
Jakiego rodzaju opieki dotyczył pozew zbiorowy dotyczący narzędzia nH Predict firmy naviHealth?
W pozwie zarzucano, że narzędzie to zostało wykorzystane do odcięcia członkom Medicare Advantage opieki po ostrych przypadkach, takiej jak pobyty w ośrodku rehabilitacyjnym.
Co to znaczy, że automatyzacja po stronie płatnika jest często „asymetryczna z założenia”?
Zatwierdzanie wyraźnie kwalifikujących się wniosków automatycznie przyspiesza opiekę, a odpowiedzialność ludzi za potencjalne odmowy ogranicza ryzyko bezprawnych, automatycznych odmów.
Co CMS powiedział planom Medicare Advantage na temat algorytmów?
Wytyczne CMS mówią, że plany muszą uwzględniać indywidualną sytuację każdego pacjenta, zatem sam wynik algorytmu nie może uzasadniać odmowy.
Ucz się dalej
Powiązane przewodniki
Wybrano więcej przewodników na ten temat