Yapay zeka ve diğer gelişen teknolojilerin sektörde çok yaygın olan parçalanma ve hayal kırıklığıyla ilişkili sorunları çözmesi nedeniyle sağlık hizmetlerinin bir dönüm noktasında olduğu bir sır değil.

Alex Mason, sağlık sistemleri bu temel değişiklikleri yönetirken, sağlayıcı kuruluşların klinisyenlerin ve BT karar vericilerinin hasta memnuniyetini ön planda tutmasını sağlamanın önemli olduğunu söyledi.

Mason, sağlık teknolojisi ve sağlık bilişim teknolojisi yatırım uygulamalarına liderlik ettiği FTV Capital’in ortağıdır. Luma Health ve 6 Degrees Health için finansman turlarına öncülük etti.

Yatırımcıların sağlık hizmetlerinde yapay zekayı nasıl gördüklerini, değere dayalı bakıma doğru ivmeyi nasıl katalize edeceğini, yapay zeka destekli klinik karar vermenin nasıl norm haline geldiğini ve gelir döngüsü yönetimi sürecinin ödemeleri nasıl kolaylaştırabileceğini ve dijitali nasıl ilerletebileceğini tartışmak için Mason ile konuştuk. hasta katılımı.

S. Genel olarak yatırımcılar sağlık hizmetlerinde yapay zekaya nasıl bakıyor?

A. Yatırımcılar sağlık hizmetlerinde yapay zekaya iyimser bir dikkatle yaklaşıyor. Hem önemli ilerleme potansiyelinin hem de ikinci dereceden sonuçlar konusunda dikkatli olunması gerektiğinin bilincinde olarak dengeli bir yaklaşım benimsiyorlar.

Beklentileri karşılayamayan bazı yüksek profilli yapay zeka sağlık girişimleri de dahil olmak üzere son dönemde yaşanan aksaklıklar, yakın vadede daha ölçülü bir yatırım görünümüne yol açtı. Bununla birlikte, yapay zekanın belirli, iyi tanımlanmış kullanım senaryolarına ve sonuçlara uygulandığında vaat ettiğini gösteren, çok spesifik ve hedefe yönelik uygulamalara yapılan yatırımları daha çekici hale getiren pek çok başarı öyküsü de gördük.

FTV olarak en çok inanıyoruz değerli yapay zeka uygulamaları Kullanım durumunda yapay zekanın hedefe yönelik ve spesifik bir uygulamasını kullanan, belirli sonuçları (klinik, finansal, hastayla ilgili veya sağlayıcıyla ilgili sonuçlar) yönlendiren sonuçlardır. Aynı zamanda yapay zeka uygulamasının kullanıcıdan en az değişiklik yönetimi gerektirecek şekilde yapılması gerekiyor.

Takip ettiğimiz her şirket veya değerlendirdiğimiz yatırım için ilk adımımız, yapay zekanın kullanım durumunu ve mevcut süreçlerde nasıl artımlı iyileştirmeler sağlayabileceğini değerlendirmektir. Yapay zekanın büyük kesintilere neden olmadan mevcut iş akışlarına entegre edilmesi, riskleri azaltmak ve ödeme yapanlardan sağlayıcılara ve hastalara kadar sağlık ekosistemindekiler için yapay zeka çözümlerinin çekiciliğini artırmak açısından çok önemlidir.

Geleceğe baktığımızda, veri gizliliğini, veri egemenliğini ve genel düzenlemeleri yakından izliyoruz çünkü sağlık hizmetleri, hasta mahremiyeti endişeleri göz önüne alındığında haklı olarak yapay zekanın en çok denetlenen alanlarından biri haline geliyor.

Yenilik ve düzenleme el ele çalışmalıdır. Veri gizliliği kritik öneme sahiptir. Bununla birlikte, sağlık hizmetleri verileri temelde dağıtılmış verilerdir; çok sayıda sahipteki çok sayıda sistem ve uygulamada bulunur. Düzenlemenin teknolojik ilerlemenin benimsenmesini çok olumlu bir şekilde yönlendirebileceğini belirtmek önemlidir.

Bunun en iyi örneği, büyük sağlık sistemlerinden küçük doktor muayenehanelerine kadar hizmet sağlayıcıların, HITECH Yasası’nın bir sonucu olarak sağlanan devlet sübvansiyonları sayesinde nasıl büyük ölçekli elektronik sağlık kayıtlarını benimsemeye yönlendirildikleridir.

Mevcut bazı zorluklara rağmen, Yapay zeka kaçınılmaz olarak sağlık hizmetlerini dönüştürecek. Yatırımcıların, yapay zeka teknolojileri geliştikçe ve gerçek dünya ortamlarında etkinliklerini gösterdikçe, sağlık hizmetleri verimliliğinde ve hasta sonuçlarında önemli gelişmeler sağlayacağı konusunda büyük ölçüde iyimser olduklarını düşünüyoruz.

S. Yapay zekanın değer temelli bakıma doğru ivmeyi nasıl katalize edebileceğini düşünüyorsunuz?

A. Yapay zeka, hasta sonuçlarını ölçme ve iyileştirme yeteneğini geliştirir. Değere dayalı bakım modellerinde, sağlayıcılar, geleneksel hizmet başına ücret modeline göre tazminat almak yerine, ihmal edilebilir sonraki komplikasyonlarla olumlu sağlık sonuçları elde etmeye teşvik edilir.

Sonuca dayalı bir tazminat planına geçiş, yapay zekanın hasta sonuç verilerinin toplanmasını ve analizini otomatikleştirmesine olanak tanıyarak geri ödemelerin, elde edilen sağlık iyileştirmeleriyle yakından uyumlu olmasını sağlar ve bakım kalitesinin daha doğru bir şekilde değerlendirilmesini sağlar.

Üstelik yapay zeka, çeşitli kaynaklardan gelen büyük veri kümelerini analiz ederek sağlık hizmeti sağlayıcılarına bireysel hastalar için en etkili tedavileri belirlemede yardımcı olabilir. Bu, sonuçların ve hasta memnuniyetinin iyileştirilmesi açısından çok önemli olan hasta bakımına daha kişiselleştirilmiş, uygun ve doğru bir yaklaşıma olanak tanır.

Tahmine dayalı analitik, potansiyel sağlık sorunlarını kritik hale gelmeden önce tahmin edebilir, böylece erken müdahaleye ve kronik durumların daha iyi yönetilmesine olanak tanır. Bu proaktif yaklaşım, önleme ve uzun vadeli planlamayı vurgulayan değer temelli bakımın hedefleriyle yakından uyumludur.

Yapay zeka modelleri daha fazla klinik karşılaşmaya entegre edildikçe ve daha fazla veri işledikçe, hem olumlu hem de olumsuz eğilimleri belirleyerek çıktılarında sürekli olarak ince ayar yapma fırsatına sahip oluyorlar. Bu, değere dayalı bakım stratejilerini daha da geliştiren, giderek daha kesin ve değerli içgörülerle sonuçlanır.

Örneğin yapay zeka, belirli sağlayıcılar için geri ödeme planlarının belirlenmesinde daha mantıklı olabilir ve bu da onu değere dayalı sonuçların daha başarılı bir tahmincisi haline getirebilir. Bu sürekli iyileştirme, sağlık hizmeti sağlayıcılarının ortaya çıkan sağlık trendlerinin ilerisinde kalabilmesini ve uygulamalarını buna göre ayarlayabilmesini sağlar.

S: Yapay zeka, dijital hasta etkileşimini önceden ödemeleri kolaylaştırmak için gelir döngüsü yönetimi sürecini nasıl basitleştirebilir?

A. Yapay zeka, tekrarlanan, emek yoğun görevleri otomatikleştirerek, doğruluğu artırarak ve eyleme dönüştürülebilir bilgiler sağlayarak, gelir döngüsü yönetimi sürecini kolaylaştırabilir. RCM’de yapay zekanın temel faydalarından biri, talep işleme, uygunluk doğrulama ve ödeme gönderme gibi mevcut manuel işlevleri otomatikleştirme yeteneğidir.

Manuel iş yüklerini azaltarak, Yapay zeka yalnızca gelir döngüsünü hızlandırmakla kalmıyor ancak aynı zamanda taleplerin reddedilmesine ve gecikmelere yol açan hataları en aza indirerek sonuçta genel verimliliği artırır.

Yapay zeka, otomasyona ek olarak potansiyel gelir sızıntısı noktalarını tahmin edebilir ve finansal verimsizlikleri vurgulayabilir. Tahmine dayalı analiz araçları, eksik ödemeler, retler veya gecikmiş geri ödemeler gibi sorunlara işaret edebilecek kalıpları ve anormallikleri belirlemek için geçmiş verileri analiz edebilir.

Sağlık hizmeti sağlayıcıları bu sorunları proaktif bir şekilde ele alarak gelir akışlarını optimize edebilir ve daha istikrarlı ve daha hızlı bir finansal temel sağlayabilirler. Yapay zeka destekli içgörüler ayrıca faturalandırma uygulamalarının ve sözleşme müzakerelerinin iyileştirilmesine yardımcı olarak daha iyi finansal sonuçlara yol açar ve sağlık sistemimizi reaktif ödemelerden proaktif ödemelere doğru iter.

Üstelik, Yapay zeka kodlamanın doğruluğunu artırır ve zamanında ve doğru geri ödemeler için kritik olan faturalandırma süreçleri. Yapay zeka, hasta kayıtlarını analiz ederek ve en uygun kodları belirleyerek, düzenleyici standartlarla uyumu sağlarken işçilik maliyetlerini ve insan hatası olasılığını azaltır.

Bu yalnızca ödemeleri hızlandırmakla kalmıyor, aynı zamanda hastalar, sağlayıcılar ve ödeyiciler arasındaki şeffaflığı ve güveni de artırıyor.

Soru: Yapay zeka destekli klinik karar vermenin norm haline geldiğini öne sürüyorsunuz. Yapay zekanın bu kararların bir parçası olması için evriminin biraz erken olduğunu düşünmüyor musunuz? Lütfen bakış açınızı detaylandırın.

A. Yapay zeka, bir sağlık hizmeti sağlayıcısı tarafından alınan klinik kararların yerini almayacak ancak karar verme sürecine yardımcı olacak güçlü bir araç olarak hizmet edecek; kurumsal yapay zeka pazarında gördüğümüz eğilimleri büyük ölçüde yansıtan bir yapay zeka destek modeli. Yapay zeka, yüksek hacimli, karmaşık veri noktalarını alma ve eğilimleri, sonuçları veya diğer analizleri değerlendirme konusunda uzmandır.

Doktorlar daha sonra bu temizlenmiş ve bağlamsallaştırılmış verileri teşhisleri ve hasta bakımı kararları için kullanabilirler. Amaç, hasta ile sağlayıcı arasındaki insani etkileşimin yerini almak değil, tamamlamaktır.

Yapay zekanın klinik karar alma sürecine entegrasyonu halihazırda faydalı olduğunu kanıtlıyor. Yapay zeka, makine öğrenimi ve doğal dil işleme yoluyla, görüntüleme gibi tıbbi kayıtlardan kaynaklanan durumların teşhis edilmesinde dikkate değer bir doğruluk sergiledi. Bu yapay zeka sistemleri kanıta dayalı öneriler sunarak, olası ilaç etkileşimlerini belirleyerek ve kişiselleştirilmiş tedavi planları önererek klinisyenlere destek oluyor, böylece bakım kalitesini artırıyor ve insan hatası olasılığını azaltıyor.

Yoğun veri hacimleri ve karmaşık hasta vakalarıyla dolu mevcut sağlık hizmetleri ortamı, bilgileri verimli bir şekilde yönetmek ve yorumlamak için yapay zekanın kullanılmasını gerektiriyor. Yapay zeka, verileri insanlardan çok daha hızlı işleyip analiz edebiliyor, bu da onu klinik ortamda paha biçilmez bir araç haline getiriyor.

Örneğin radyolojide yapay zeka, görüntüleme taramalarındaki anormallikleri hızlı bir şekilde tanımlayarak radyologların daha karmaşık teşhis görevlerine odaklanmasına olanak tanıyor. Benzer şekilde, patolojide yapay zeka, kanser gibi hastalıkların göstergesi olabilecek doku örneklerindeki kalıpların tanınmasına yardımcı olabilir.

Veri gizliliği endişeleri ve mevcut sistemlere kusursuz entegrasyon ihtiyacı gibi zorluklara rağmen, Yapay zeka gelişiminin yörüngesi Özellikle yapay zeka araçları öğrenmeye ve gelişmeye devam ettikçe ümit vericidir.

Her zaman olduğu gibi, en büyük olumlu sonuçları üreten, minimum düzeyde değişiklik yönetimi gerektiren, dayanıklı ve kalıcı yatırım getirisi sunan ve tutarlı bir şekilde finanse edilebilen teknolojinin benimsenmesini arıyoruz. Bu ekonomik çerçeveyi teknolojik gelişmelere uygulamak, yapay zekanın sağlık hizmetlerindeki başarısının en iyi öngörücüsüdür.

Bill’in HIT haberlerini LinkedIn’de takip edin: Bill Siwicki
Ona e-posta gönderin: bsiwicki@himss.org
Healthcare IT News bir HIMSS Medya yayınıdır.

Kaynak