ДаліНаступний посібник
ШІ в лікуванні діабету
Галузі промисловості
Галузеві довідники
AI у попередній авторизації
ШІ в попередній авторизації використовує автоматизацію, механізми правил і машинне навчання, щоб подавати, перевіряти та вирішувати запити на схвалення страховиків щодо лікування, ліків і процедур до надання допомоги.
На цій сторінці4 хвилини читання
Огляд
Це важливо, оскільки попередня авторизація затримує надання медичної допомоги та забирає багато часу клініциста та персоналу, тоді як автоматичні перевірки спричинили судові позови та нові правила щодо претензій про те, що алгоритми неналежним чином відмовили в наданні допомоги.
Глибоке занурення
Попередня авторизація (PA) – це процес, під час якого план охорони здоров’я має схвалити певні послуги, перш ніж оплачувати їх. Традиційно співробітники офісу постачальника заповнюють форми платника, надсилають факсом або завантажують клінічні записи та чекають днями, поки рецензент застосувать критерії медичної необхідності. Групи лікарів давно повідомляють, що це затримує лікування та посилює вигорання. ШІ з’являється з обох сторін. Постачальники та постачальники використовують автоматизацію, щоб визначити, коли потрібна PA, збирати документацію з EHR і відстежувати статус. Платники використовують механізми правил і машинне навчання для автоматичного схвалення простих запитів і сортування решти. Робота зі стандартизації підтримує це: проект HL7 Da Vinci визначає робочі процеси на основі FHIR для перевірки вимог до покриття, збору документації та подання запитів в електронному вигляді. Суперечка зосереджена на автоматичних відмовах. Звіти та судові позови, починаючи з 2023 року, стверджували, що деякі страхові компанії покладалися на алгоритми, щоб відмовити або припинити обслуговування. Приклади включають груповий позов проти UnitedHealth щодо інструменту naviHealth nH Predict, який використовується для пост-невідкладної допомоги в Medicare Advantage, і звинувачення в тому, що система PxDx Cigna дозволяє медичним директорам відхиляти претензії масово з невеликим індивідуальним розглядом. PxDx стосувався претензій після надання допомоги, а не попереднього дозволу, але це сформувало ті самі дебати. Ці справи залишаються оскарженими. Регулятори відреагували. Остаточне правило сумісності CMS і попередньої авторизації, видане в 2024 році, вимагає від платників таких програм, як Medicare Advantage, Medicaid і федеральних планів обміну, дотримуватись часових рамок прийняття рішень, публікувати показники PA та створювати API PA. CMS також повідомила планам Medicare Advantage, що алгоритми не можуть бути єдиною основою для відмови в наданні допомоги без урахування обставин кожного пацієнта. Кілька штатів, у тому числі Каліфорнія, прийняли закони, які вимагають від кваліфікованих клініцистів приймати рішення про відмову з медичної необхідності. Поширеною помилкою є те, що ШІ в PA означає лише відмови. Значною частиною реальної цінності є швидші погодження та менше паперової роботи; Ризик полягає в автоматизації несприятливих рішень без значущої перевірки людиною.
Стратегічний вплив
Контекст і правила
Галузевий контекст визначає, чи виживуть ідеї ШІ при контакті з реальністю.
Контроль якості
Обмеження домену впливають на прийнятну кількість помилок і моделі контролю.
Створіть вибір
Успішне розгортання узгоджує технічні можливості з робочими процесами.
Майбутнє ШІ в попередній авторизації
Електронна попередня авторизація, ймовірно, стане більш поширеною, оскільки федеральні вимоги до API поступово впроваджуватимуться, а постачальники EHR включатимуть їх у робочі процеси замовлення. Золоте картування, яке звільняє клініцистів із високим рівнем схвалення від деяких оглядів, також поширюється, частково через закони штату, а автоматизація полегшує виконання таких програм. У той же час нагляд за алгоритмічними відмовами зростає через закони штату, федеральні вказівки та судові процеси, тому аудиторські сліди та задокументована перевірка персоналом матимуть більше значення. Мовні моделі можуть зменшити обсяг паперової роботи з обох сторін, але вони також підвищують перспективу ефективних переговорів систем ШІ з іншими системами ШІ, що робить прозорість критеріїв охоплення важливою.
Реалізація в реальному світі
Коли лікар призначає МРТ, EHR клініки перевіряє, чи вимагає план пацієнта попередній дозвіл, і попередньо заповнює запит відповідними примітками та історією зображень.
Страховик автоматично схвалює запити, які чітко відповідають опублікованим клінічним критеріям, таким як стандартна доза препарату для задокументованого діагнозу, і надсилає все інше до медсестри або лікаря, який перевіряє.
Команда спеціалістів із циклу доходів лікарень використовує мовну модель, щоб отримати докази раніше невдалих терапій із нотаток у таблиці, скорочуючи час, який персонал витрачає на збирання пакетів апеляцій.
Група із захисту прав пацієнтів порівнює показники відмов і відхилень апеляцій для лікування після невідкладної допомоги, щоб виявити випадки, коли інструмент прогнозування тривалості перебування міг спричинити раннє припинення охоплення.
Ризики та огорожі
Нормативні вимоги можуть зробити недійсними в іншому випадку надійні прототипи.
Історичні дані можуть кодувати упередженість, яка шкодить певним спільнотам.
Застарілі системи можуть створювати вузькі місця інтеграції та приховані витрати.
Дорожня карта впровадження
Залучайте експертів із предметної області від розробки проблеми до оцінки.
Створіть контрольні стежки та документацію перед запуском.
Завчасно перевірте зобов’язання щодо відповідності та безпеки.
Розгортайте поетапно з чіткими критеріями зупинки та відкату.
Продовжуйте досліджувати
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
Часті запитання
Що таке AI у попередній авторизації?
ШІ в попередній авторизації використовує автоматизацію, механізми правил і машинне навчання, щоб подавати, перевіряти та вирішувати запити на схвалення страховиків щодо лікування, ліків і процедур до надання допомоги. Це важливо, оскільки попередня авторизація затримує надання медичної допомоги та забирає багато часу клініциста та персоналу, тоді як автоматичні перевірки спричинили судові позови та нові правила щодо претензій про те, що алгоритми неналежним чином відмовили в наданні допомоги.
Що таке попередній дозвіл?
Попередня авторизація – це етап управління використанням, на якому страховик переглядає та затверджує конкретні послуги перед оплатою.
Що дає проект HL7 Da Vinci?
Посібники із впровадження Da Vinci стандартизують етапи електронної попередньої авторизації, щоб EHR та платники могли обмінюватися вимогами та документацією.
Колективний позов щодо інструменту nH Predict від naviHealth стосувався якого типу медичної допомоги?
У позові стверджувалося, що цей інструмент використовувався для припинення покриття пост-невідкладної допомоги, наприклад перебування в реабілітаційному закладі, для учасників Medicare Advantage.
Що це означає, що автоматизація на стороні платника часто є «асиметричною за дизайном»?
Автоматичне схвалення чітко кваліфікованих запитів прискорює надання допомоги, а відповідальність за потенційні відмови на людей обмежує ризик неправомірних автоматизованих відмов.
Що CMS розповіла планам Medicare Advantage про алгоритми?
Керівництво CMS говорить, що плани повинні враховувати індивідуальні обставини кожного пацієнта, тому вихідні дані алгоритму не можуть виправдати відмову.
Продовжуйте вчитися
Пов'язані посібники
Інші посібники, вибрані для цієї теми