ДалееСледующее руководство
ИИ в управлении диабетом
Отрасли
РУКОВОДСТВО ПО Отраслям
ИИ при предварительном разрешении использует автоматизацию, механизмы правил и машинное обучение для подачи, проверки и принятия решений по запросам страховщика на одобрение лечения, лекарств и процедур до оказания медицинской помощи.
Это важно, потому что предварительное разрешение задерживает оказание помощи и требует большого количества времени врачей и персонала, в то время как автоматизированные проверки привели к судебным искам и новым правилам в отношении утверждений о том, что алгоритмы неправомерно отказывают в помощи.
Предварительное разрешение (PA) — это процесс, в ходе которого план медицинского страхования должен одобрить определенные услуги, прежде чем оплатить их. Традиционно сотрудники офиса поставщика заполняют формы для конкретного плательщика, отправляют по факсу или загружают медицинские записи и несколько дней ждут, пока проверяющий применит критерии медицинской необходимости. Группы врачей уже давно сообщают, что это задерживает лечение и усиливает выгорание. ИИ проявляется с обеих сторон. Поставщики и продавцы используют автоматизацию, чтобы определить, когда требуется PA, собрать документацию из EHR и отслеживать статус. Плательщики используют механизмы правил и машинное обучение для автоматического утверждения простых запросов и сортировки остальных. Работа по стандартизации поддерживает это: проект HL7 Da Vinci определяет рабочие процессы на основе FHIR для проверки требований к покрытию, сбора документации и подачи запросов в электронном виде. Споры сосредоточены вокруг автоматических опровержений. В отчетах и судебных процессах, начавшихся в 2023 году, утверждалось, что некоторые страховщики полагались на алгоритмы, чтобы отказать в медицинском обслуживании или прекратить его. Примеры включают групповой иск против UnitedHealth по поводу инструмента naviHealth nH Predict, используемого для оказания помощи после неотложной помощи в Medicare Advantage, а также утверждения о том, что система Cigna PxDx позволяет медицинским директорам отклонять массовые претензии без особого индивидуального рассмотрения. PxDx касался претензий после оказания медицинской помощи, а не предварительного разрешения, но он вызвал те же дебаты. Эти дела остаются спорными. Регуляторы отреагировали. Окончательное правило совместимости CMS и предварительного разрешения, выпущенное в 2024 году, требует от плательщиков в таких программах, как Medicare Advantage, Medicaid и федеральных планах обмена, соблюдать сроки принятия решений, публиковать показатели PA и создавать API PA. В CMS также сообщили планам Medicare Advantage, что алгоритмы не могут быть единственным основанием для отказа в медицинской помощи без учета обстоятельств конкретного пациента. Несколько штатов, включая Калифорнию, приняли законы, требующие от квалифицированных врачей принимать решения об отказе в медицинской необходимости. Распространенным заблуждением является то, что ИИ в ПА означает только отрицание. Большая часть реальной ценности – это более быстрое получение разрешений и меньшее количество документов; риск заключается в автоматизации неблагоприятных решений без значимого человеческого контроля.
Отраслевой контекст определяет, выживут ли идеи ИИ при контакте с реальностью.
Ограничения предметной области влияют на приемлемый уровень ошибок и модели надзора.
Успешные развертывания позволяют согласовать технические возможности с рабочими процессами на переднем крае.
Электронное предварительное разрешение, вероятно, станет более распространенным по мере того, как федеральные требования к API постепенно вступят в силу, а поставщики EHR встроят их в рабочие процессы заказа. Золотая карта, которая освобождает врачей с высоким уровнем одобрения от некоторых проверок, также распространяется, отчасти из-за законов штата, а автоматизация облегчает запуск таких программ. В то же время надзор за алгоритмическими отказами усиливается посредством законов штатов, федеральных указаний и судебных разбирательств, поэтому контрольные журналы и документированная проверка людьми будут иметь большее значение. Языковые модели могут сократить объем документации с обеих сторон, но они также повышают вероятность того, что системы ИИ будут эффективно вести переговоры с другими системами ИИ, что делает прозрачность критериев покрытия необходимой.
Когда врач назначает МРТ, система EHR клиники проверяет, требует ли план пациента предварительного разрешения, и предварительно заполняет запрос соответствующими примечаниями и историей визуализации.
Страховая компания автоматически утверждает запросы, которые четко соответствуют ее опубликованным клиническим критериям, таким как стандартная доза лекарства для документально подтвержденного диагноза, и отправляет все остальное медсестре или врачу-рецензенту.
Команда больницы, занимающаяся циклом доходов, использует языковую модель, чтобы извлекать доказательства ранее неудавшихся методов лечения из заметок в диаграммах, сокращая время, которое персонал тратит на сбор пакетов апелляций.
Группа по защите интересов пациентов сравнивает показатели отказов и отклонений апелляций по оказанию помощи после неотложной помощи, чтобы выявить случаи, когда инструмент прогнозирования продолжительности пребывания мог привести к раннему прекращению покрытия.
Нормативные требования могут сделать недействительными сильные прототипы.
Исторические данные могут отражать предвзятость, которая наносит вред конкретным сообществам.
Устаревшие системы могут создавать узкие места в интеграции и скрытые затраты.
Привлекайте экспертов в предметной области от постановки проблемы до оценки.
Разработайте журналы аудита и документацию перед запуском.
Заблаговременно проверяйте соответствие требованиям и обязательства по безопасности.
Развертывание поэтапно с четкими критериями остановки и отката.
Free newsletter
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
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
ИИ при предварительном разрешении использует автоматизацию, механизмы правил и машинное обучение для подачи, проверки и принятия решений по запросам страховщика на одобрение лечения, лекарств и процедур до оказания медицинской помощи. Это важно, потому что предварительное разрешение задерживает оказание помощи и требует большого количества времени врачей и персонала, в то время как автоматизированные проверки привели к судебным искам и новым правилам в отношении утверждений о том, что алгоритмы неправомерно отказывают в помощи.
Предварительное разрешение — это этап управления использованием, на котором страховщик проверяет и утверждает конкретные услуги до оплаты.
Руководства по внедрению Da Vinci стандартизируют этапы предварительного электронного разрешения, чтобы EHR и плательщики могли обмениваться требованиями и документацией.
В иске утверждалось, что этот инструмент использовался для прекращения покрытия расходов на уход после неотложной помощи, например, на пребывание в реабилитационном центре, для участников Medicare Advantage.
Утверждение четко определенных запросов автоматически ускоряет оказание помощи, а возложение на людей ответственности за потенциальные отказы снижает риск неправомерных автоматических отказов.
В руководстве CMS говорится, что планы должны учитывать индивидуальные обстоятельства каждого пациента, поэтому одни только результаты алгоритма не могут оправдать отказ.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
ИИ в управлении диабетом
Отрасли