目前，各類研究實驗室運用AI技術達成的諸多卓越成果，比如，已經(jīng)證明AI技術在診斷癌癥、視網(wǎng)膜病變乃至新冠等領域已經(jīng)能夠媲美甚至超越人類醫(yī)師。

但是，其中還有很多現(xiàn)實問題。首先，在實驗室中起效的方法事實上并不一定適用于臨床場景。其次，這類新型AI治療方法必須得到藥監(jiān)局的批準，整個過程可能需要幾年時間。而最后一點在于，這些AI診斷功能本身并不能真正降低成本——醫(yī)療機構仍然需要與過去相同數(shù)量的放射科醫(yī)師與眼科醫(yī)生等等。

歸根結底，AI最大的價值實際在于降低管理成本。對此，哈佛大學著名健康經(jīng)濟學家David Cutler在某會議上表示，強調(diào)管理成本已經(jīng)占據(jù)全美醫(yī)療保健支出的四分之一到三分之一。另外，他還提出了一系列與縮短收入周期、提高許可效率以及加快數(shù)據(jù)交換速度相關的成本節(jié)約意見。

通過AI加自動化技術降低管理成本

目前，以行政管理為導向的AI方案已經(jīng)在Baylor Scott & White Health這家公司得到成功實現(xiàn)。這是一家擁有52所醫(yī)院的大型學術醫(yī)療體系，也是得克薩斯州規(guī)模最大的非營利性醫(yī)療保健服務商。擔任收入周期高級副總裁的Sarah Knodel雖然不是機構的最高負責人，但她一直負責監(jiān)督多項行政職能，直接管理約2500位雇員。

Knodel在采訪中表示，BSWHealth系統(tǒng)從三個方面重點關注收入周期控制：

• 降低收集成本
• 優(yōu)化凈收益
• 改善患者經(jīng)濟負擔

在她看來，AI與自動化技術有望配合起來，給以上幾大問題指明解決之道。

Knodel與BSWHealth八年來始終致力于拿出一套綜合的解決方案。為了向患者提供更為透明的定價標準，BSWH采用了由醫(yī)療技術供應商WAystar推出的、基于機器學習技術的自動化價格估算工具。這款工具會在患者接受護理之前生成自付費用的估算值。如今，該功能在不少行業(yè)中早已推廣開來，但在醫(yī)療保健領域仍然具有重要的開拓意義。

在使用這款工具之前，自費額估值只能依靠手動形式完成，且需要結合BSWHealth下轄各系統(tǒng)中的多種信息。收入周期部門的員工需要5到7分鐘才能給出一項估算值，而且準確性相當捉急。但如今，高達七成的估算值無需任何人為干預即可快速得出。系統(tǒng)會自動從患者的保險公司處檢索實時資格與福利數(shù)據(jù)，并將其與收費及合同費率結合起來，借此估算特定患者所對應的具體自付費用。此外，該項技術還能從保險索賠中不斷收集新素材、學習新模式，隨時間推移持續(xù)提升自身的估算準確性。

雖然還沒有外部機構評估過患者的具體財務體驗，但自從這款工具發(fā)布以來，BSWHealth已經(jīng)獲得了各方的積極反饋。在護理前即可獲得相對可靠的自費數(shù)額，使得各家診所及醫(yī)院服務點的體驗效果提升了60%至100%。醫(yī)生也對預估值感到滿意，極大降低了無法在當日之內(nèi)處理完成的積壓病患。

五年之前，Knodel曾建議，以在線自助服務的形式推出估價系統(tǒng)，幫助購物者提前對自己需要支付的款項心中有數(shù)。到去年，美國政府已經(jīng)強制要求對護理進行此類預先估算，而BSWHealth在這條探索之路上顯然比低線要求走得更快、走得更遠（目前仍有很多醫(yī)院未能做到底線要求）。

與此同時，BSWHealth還利用智能技術在業(yè)務辦公室的保險收款部門建立起“索賠狀態(tài)”指標，以自動化方式檢查尚未完成的保險索賠進程。以往，收款機構必須登錄多個付款方網(wǎng)站或直接致電；如今，機器人流程自動化（RPA）與屏幕抓取技術已經(jīng)能夠模擬用戶登錄付款方網(wǎng)站的操作。

當RPA系統(tǒng)從付款方處獲得索賠狀態(tài)時，會把相關數(shù)據(jù)集成至收集人員工作流程當中；如果索賠已經(jīng)通過并安排支付，再將對應的數(shù)據(jù)從收集人員排隊中清除掉。對于遭到拒絕并需要立即回應的申請，RPA則加速審查以發(fā)現(xiàn)問題根源。這套基于異常狀態(tài)的RPA工作流程大大加快了醫(yī)療保險的賠付速度，確保只將真正需要人為干預的案例提交給收集人員以待審查。

Sarah Knodel表示，她的組織正在開展多個類似的項目，而且嘗試在幾乎所有收入周期部門中使用機器學習或RPA技術。在資源利用率審查方面，這項新技術能夠?qū)崟r讀取病歷文件并預測患者應該繼續(xù)住院還是接受居家觀察，借此保證診療結論既符合監(jiān)管要求、又不超出付款方的指定額度。憑借這項努力，BSWHealth將審查部門的全職等效人數(shù)（FTE）削減了20%以上，拒付案例比率也降低了相同的百分比。

展望未來，Knodel的目標是利用這些技術與付款方之間建立起協(xié)作性更強、創(chuàng)新性更高的伙伴關系。她希望借此消除耗時且低效的治療授權與申請流程，轉(zhuǎn)而采用更高效、自動化水平更高的工作方式。

智能收入周期管理

為了理解AI與RPA技術在各類行業(yè)中的收入周期與管理成本節(jié)約方面的實際功效，我們還與Waystar公司CEO Matt Hawkins進行了交流。作為一家交易處理商，Waystar公司一直在探索如何利用自身業(yè)務數(shù)據(jù)開發(fā)新的產(chǎn)品。Hawkins介紹稱，Waystar每年約為40%的美國病患處理25億筆醫(yī)療賬單及收款交易，且全部在同一數(shù)據(jù)平臺之上進行。這部分數(shù)據(jù)也讓該公司能夠利用機器學習、其他形式的AI技術乃至RPA降低系統(tǒng)運行成本，進而實現(xiàn)更好的病患護理效果。

如今的美國醫(yī)療保健系統(tǒng)已經(jīng)過度復雜，這一點在流程數(shù)據(jù)中已經(jīng)得到充分體現(xiàn)。Waystar與18000家醫(yī)療保健服務商以及眾多計費與收款公司保持合作，為相關計費及收費數(shù)據(jù)建立起一套統(tǒng)一的票據(jù)交易所。但要想對內(nèi)容進行分析并應用AI技術，他們需要使用規(guī)則引擎對數(shù)據(jù)進行檢索、匹配、標準化、聯(lián)合與轉(zhuǎn)換。在此之后，他們才能應用各類算法開展具體查驗，例如利用現(xiàn)有技術預測某個大型醫(yī)療系統(tǒng)中的特定規(guī)程要占用多少醫(yī)療經(jīng)費。

他們的這套AI加RPA平臺被稱為“Hubble”，雖然目前僅適用于醫(yī)療領域，但未來也許會重新塑造整個保險索賠行業(yè)的新面貌。

另外，Waystar也推出了其他一些產(chǎn)品，主要強調(diào)“傾向性建模”——即預測付款方處理索賠申請的方式與接受賠付金額的可能性，外加預測患者本人能否接受當前的自費額度。所有這一切，都離不開機器學習的加持。

Waystar還使用RPA推進索賠狀態(tài)、索賠駁回申訴以及不同系統(tǒng)間數(shù)據(jù)往來的自動化流程管理體系。他們主張使用機器人對接付款方，這也敦促保險公司上線更多機器人進行響應處理。很快，我們就能見證機器人對機器人這種全新、高效溝通方式的持續(xù)普及。

也許Baylor Scott & White Health所使用的機器學習項目以及Waystar介紹的AI加RPA收入周期管理應用能給更多企業(yè)的CEO們帶來一些啟發(fā)，幫助他們了解AI技術能做什么、擅長做什么。雖然這樣的基礎性應用似乎并不足以吸引到大型投資方的高度關注，但收入周期層面的效率提高必將幫助醫(yī)療保健組織在更短時間內(nèi)收回成本、獲得更加健康且可持續(xù)的發(fā)展態(tài)勢