AI 和基于价值的护理时代的支付完整性

医疗保健实践 人工智能和基于价值的护理时代的支付诚信 人工智能和基于价值的护理的兴起正在为90亿美元的支付诚信行业带来变革。 本文是Troy Horvat，Akshay Kumar，Mahi Rayasam，Jeff Ruff和Pooja Singh的共同努力，代表了麦肯锡医疗保健实践的观点。 PI计划的目标是确保准确的索赔裁决和付款，同时考虑到付款责任等因素，包括识别与资格，福利协调和类似考虑相关的潜在错误；计费准确性，包括识别潜在的编码错误和错误；以及欺诈，浪费和滥用案件。他们还希望确保索赔得到支付。 支付完整性(PI)行业plays a critical role in UShealthcare, ensuring that claims adjudication is accurateand that physicians and health systems are reimpliedcorrectly for care delivery. We estimate the $9 billionindustry has 近年来以7%的复合年增长率增长，反映了美国医疗保健支出的增长和计费流程的持续复杂性。 根据健康计划和护理提供组织之间的合同-也就是说，每项服务都按合同指定的价格支付。 这 种 增 长 与 技 术 变 革 相 吻 合，例 如 生 成 式 人 工 智 能(General AI)的兴起和支付模式创新，包括约基于价值的护理（VBC）付款占总护理服务报销的60％1-改变有可能改变PI行业。本文讨论了这些趋势以及对付款人，护理交付组织，PI公司和投资者的影响。 鉴于美国医疗保健支付工作流程的复杂性，支付完整性至关重要，即使在所有利益相关者都努力准确和真诚地提交和支付索赔的情况下，这也会导致自然的错误率（请参阅侧栏“美国医疗保健支付的复杂性”）。付款人通常会努力识别多付的情况， and care delivery organizations (via a revenue cycle functiontypically called revenue integrity) often seek to identify casesof underpayment. This system of checks and balances helpsensure accurate payments in US healthcare. 什么是支付诚信？ PI价值链包括一系列跨越医疗保健金融交易生态系统的功能（图表1）。2这些功能通常分为两大类：预付款功能，寻求主动识别 塑造支付诚信未来的趋势 并在健康计划向护理交付组织支付付款之前纠正账单或裁决错误，以及在向护理交付组织支付初始付款后识别和解决历史付款错误的付款能力。 The PI industry is positioned for transformation in the futureyears. Contributing factors include growth in US healthcarespending, which we estimated从2022年到2027年，增长率将比GDP快大约2.5%，3增加PI公司的潜在市场，吸引持续投资。 这个价值链包括软件和分析解决方案的组合，通常识别和解决相对简单的错误，以及编码专家和临床医生团队，他们在更复杂的情况下审查索赔和医疗记录。通过内部健康计划功能和增强付款人内部能力的专业PI公司生态系统的组合来提供服务。 账单和索赔处理的持续复杂性是另一个因素。例如，COVID - 19大流行加速了护理向替代环境的转变，如家庭和虚拟护理。4随后出现了新的护理服务 美国医疗保健支付的复杂性 数百页，包括针对数千种方案的独特报销费率，当在健康计划IT系统中配置这些合同时，可能会出现人为错误。 The following是与美国医疗保健支付相关的一些复杂性。 由于卫生系统和付款人将更新的准则纳入索赔提交和裁决过程，因此在过渡期内可能会造成不正确的裁决。 编码复杂度。持续更新近150, 000个诊断和程序代码，1即使索赔中包含的代码中的小错误也可能导致不正确的付款。 政策变化。医疗保险和医疗补助服务中心，州医疗补助机构和临床协会发布了有关报销和医疗政策的持续指导， 产品变化。推出新的或改进的产品设计(例如更新的公式)创建了系统配置更改的需求和相应的人为错误的可能性。 合同复杂性。卫生系统和付款人之间的合同可以跨越 模型（例如，在家的医院）和虚拟医疗使用的增加使得付款人，卫生系统和政策制定者有必要设计新的计费和报销指南，这创造了潜在索赔错误的新来源。5 由于美国医疗保健支付生态系统的复杂性和规模，医疗保健利益相关者的利益。7 如图表2所示，分析和gen AI可以增强整个PI价值链的现有能力。例如，在对复杂索赔进行审查或审计期间，gen AI可以审查和综合结构化和非结构化数据的复杂组合-包括相遇数据，医疗记录详细信息和健康计划 PI服务生态系统中的市场动态也在塑造PI的未来：整合已经形成了具有规模和专业化的组织，以利用generAI等新工具。最近，又掀起了一波PI初创企业，其动机是通过推出创新来颠覆行业，AI驱动的解决方案。 报销政策-并支持人工审核人员做出决策，提高审核过程的准确性和效率。 但是，有两个趋势对PI行业产生了特别复杂的影响。技术创新，如创AI，可能会导致推出比以往任何时候都更准确和高效的PI解决方案。VBC的日益采用为付款人和护理交付组织创造了新的报销复杂性来源。下面，我们将进一步详细探讨这些趋势与PI的相关性。 正如我们之前所描述的，8医疗保健组织需要时间来充分理解和利用新的AI和ML功能的潜力。但是PI技术的一些潜在影响似乎是可能的。首先，AI和ML可以大大提高PI计划的索赔准确性和管理效率，从而创造价值池的潜在转变。例如，预测分析可以进一步将价值从postpay PI程序转移到预付索赔编辑。此外，早期采用者可能有机会在自己与竞争对手之间建立战略距离，并有意义地提高PI计划的ROI（对于付款人）和内部盈利能力（对于PI服务公司）。最后，PI服务公司可以改变PI价值链的一部分，推出AI和ML成为可能的创新解决方案。 人工智能与支付诚信创新分析AI、机器学习(ML)和Gene AI有可能改变许多行业，包括医疗保健。6由于PI功能取决于对各种数据源的快速审查和综合，因此对支付完整性的影响可能特别深远。 此外，即使索赔裁决的准确性和效率提高相对较小，也可能对一系列索赔产生重大财务影响。 对复杂索赔进行加速、更低成本、更准确的审查或审计。 附件2 AI可以应用于整个支付完整性价值链。 VBC与支付诚信的未来同样，VBC采用的增长为PI的创新创造了新的动力。从广义上讲，向VBC的转变需要将护理交付组织的报销与患者的健康结果或价值挂钩。9近年来，VBC的采用显着增加：医疗保健支付学习 &行动网络(HCPLAN)估计，从2015年到2021年，VBC的采用率几乎翻了一番。10 截至2021年,11几乎60％的医疗报销与质量或价值有一定的联系，从绩效付费模式到完全资本化的报销模式（图表3）。 附件3 2021年报销模式类别和采用率 麦肯锡公司 付款并包括FFS和VBC，护理交付组织和付款人全年提交和裁定索赔。然后，他们必须在合同规定的时期（每年，每半年或每季度）进行财务对账过程。13Thus, all challenges with traditional claims are still relevantwith these models. Second, popular - based paymentmodels (that is, HCPLAN model 4B or capitation模型)要求对医生和健康提供的所有护理进行持续的FFS计费和付款 这种向VBC的转变有可能改善患者的护理协调和质量。12也是 创建可能导致付款错误的复杂性。 例如，与服务收费（FFS）计费相关的传统支付复杂性和错误来源在VBC场景中仍然存在。实际上，这些挑战存在于美国约97％的医疗保健支出中。有两个因素导致了这一点。首先，在HCPLAN模型1至3中，约占美国所有医疗保健的93％ 付款人和护理交付组织必须就归因于护理交付组织的患者达成一致;根据各种质量和财务指标的表现，这些指标因合同而异;解决任何悬而未决的相关问题 除风险承担护理交付组织外的系统。在这些情况下，索赔裁决由健康计划或风险承担护理交付组织执行，并且可能会有所不同 通过合同，导致护理交付组织和付款人的IT系统配置中可能出现人为错误。 to claims adjudication throughout the contract period. WhileVBC programs are meed to align the incentifies the increases ofpayers and care delivery organizations and foster increasedpartnership in the coordination of patient care, the complexityof this reconcreconcre VBC模型还会创建新的复杂性和错误来源，包括以下内容： 关于付款人与承担风险的护理提供组织之间的关系。 需要将特定患者“归因于” 由于这些现有的和新的复杂性，向VBC的转变可能会增加重要性 承担风险的护理提供组织。这通常是通过算法完成的-例如，在患者没有正式选择的情况下 支付者和护理交付组织的支付完整性功能。虽然PI组织不一定必须帮助付款人和护理交付组织驾驭上述复杂性，但选择这样做的组织可能有机会。到目前为止，一系列服务公司-包括VBC分析和软件解决方案提供商，精算咨询公司以及传统的PI和收入周期公司-都支持健康计划和护理服务。 初级保健医生（PCP）。算法归因方法可能因组织而异，结果往往落后于护理交付接触点。例如，常见的归因方法将患者护理的财务责任分配给患者在上一个计划年度中最常见的PCP，从而在患者-医师互动和相应的报告之间产生固有的时间间隔。因此,承担风险的护理提供组织并不总是对他们在财务上负责的患者具有透明度,直到几个月进入绩效期。 然而，复杂性和痛点仍然存在，为响应创新的公司创造了机会。 质量和财务绩效跟踪。这种跟踪是VBC模型的核心组成部分，是复杂的，并且因合同而异。因此，当协调给定患者的护理时，承担风险的医生有时不知道他们将负责的指标。 这对支付诚信利益相关者意味着什么 为了应对这些趋势，整个价值链的利益相关者可以采取措施，使美国的医疗保健报销更加有效和准确。 合同配置。配置可能因合同和型号而异。例如，在计费涉及的大约150, 000个诊断和程序代码中，大写安排所涵盖的确切代码因付款人和护理交付组织而异。因此，系统配置中的人为错误可能导致付款人错误地支付(或不付款)是(或不)在资本化合同中涵盖的索赔。 对于付款人和护理交付组织来说，首先采用人工智能驱动的解决方案可能会对未来的绩效产生重大影响，因为有可能提高相对于竞争对手的报销准确性和效率。同样，采用 或者首先为VBC构建新的PI解决方案可能会随着向VBC的转变而具有实质性优势。付款人和护理交付组织今天可以采取行动，建立使用人工智能驱动的解决方案所需的运营模式、人才、技术生态系统和数据基础设施。 和解和和解。ThisofteninvolvescomplexandcustomfinancialanalysisoftermsvariedbyVBCcontract.Forexample,toreconcibleperformanceattheendofaVBCcontractperiod, 对于PI服务公司，成为第一个采用新解决方案