عوامل هوش مصنوعی که آژانسهای مراقبت بهداشتی خانگی در پذیرش، زمانبندی، مستندسازی OASIS و صورتحساب بدون افزایش نیروی کارکنان پشتیبانی مستقر میکنند
استفاده از هوش مصنوعی در آژانسهای مراقبت خانگی برای پذیرش، زمانبندی، مستندات OASIS و صورتحساب، بدون افزایش کارکنان پشتیبانی.
آژانسهای مراقبت بهداشتی خانگی یکی از پیچیدهترین بخشهای پشتیبانی را در مراقبتهای بهداشتی آمریکا دارند. تیمهای ارجاع، پروندهها را از مدیران موردی بیمارستانها از طریق فکس، ایمیل امن و پورتالها دنبال میکنند. برنامهریزان، در دسترس بودن پزشکان، خوشهبندی جغرافیایی، دستورات فراوانی ویزیت و لغوهای لحظه آخری را مدیریت میکنند. هماهنگکنندگان OASIS، ارزیابیهایی را که بازپرداخت شصت روز آینده را تعیین میکنند، بهبود میبخشند. مسئولین صورتحساب با مجوزهای Medicare Advantage، زمانبندیهای RAP و NOA و دورههای رد درخواست که ماهها طول میکشد، مبارزه میکنند. عوامل هوش مصنوعی که آژانسهای مراقبت بهداشتی خانگی در فرایندهای پذیرش، زمانبندی، مستندسازی OASIS و صورتحساب بدون افزایش نیروی کارکنان پشتیبانی مستقر میکنند، از کنجکاویهای آزمایشی به زیرساخت تولیدی تبدیل شدهاند که بیصدا بار سنگین آژانس را بر دوش میکشد.
عوامل پذیرش که ارجاعات را قبل از سوختن پنجره شصت روزه دریافت میکنند
ارجاعات، شریان حیاتی یک آژانس مراقبت بهداشتی خانگی هستند و در فرمتهایی میرسند که در دو دهه گذشته بهبود نیافتهاند. یک برنامهریز ترخیص، یک صفحه اطلاعات را ساعت چهار بعدازظهر روز جمعه فکس میکند. یک مدیر موردی بیمارستان، یک PDF را در پورتال پردازنده قرار میدهد که تا دوشنبه کسی آن را بررسی نمیکند. یک مطب پزشک، یک دستور با کد تشخیصهای ناقص، بدون تأیید بیمه و آدرس بیمار که با منطقه خدماتی مطابقت ندارد، ارسال میکند.
عوامل پذیرش هوش مصنوعی مراقبت بهداشتی خانگی، هر یک از این کانالهای ورودی را به صورت موازی مطالعه میکنند. آنها اطلاعات جمعیتی بیمار، تشخیصهای اولیه و ثانویه، لیست داروها، سیر بیمارستانی، یادداشتهای وضعیت عملکردی و اطلاعات تماس پزشک را استخراج میکنند. آنها واجد شرایط بودن بیمه را در برابر Medicare، Medicare Advantage، Medicaid و بیمهگران تجاری در چند ثانیه بررسی میکنند، نه در ساعتهایی که یک هماهنگکننده پذیرش انسانی صرف همین کار میکند.
سپس، عامل ارجاع را بر اساس منطقه خدماتی آژانس، قابلیت بالینی و ظرفیت فعلی امتیاز میدهد. یک بیمار با زخم در یک کد پستی که سه پرستار متخصص زخم در دسترس دارد، در اولویت قرار میگیرد. یک ارجاع روانپزشکی پیچیده در منطقهای بدون پزشک روانپزشک، یک پرچم هشدار فوری برای سرپرست پذیرش ایجاد میکند، به جای اینکه برای دو روز در صف بماند.
مهمتر از همه، عامل پذیرش مراقب زمان است. مزایای مراقبت بهداشتی خانگی Medicare، محدودیتهای زمانی سختگیرانهای را اعمال میکند و یک ارجاع که به مدت هفتاد و دو ساعت بدون پردازش میماند، اغلب بیمار را به یک رقیب واگذار میکند یا پنجره شروع مراقبت را میسوزاند. عامل ارجاعات قدیمی را افزایش میدهد، پاسخ به منبع ارجاع را تهیه میکند و بسته شروع مراقبت را برای پزشک پذیرشکننده قبل از اینکه انسانی پرونده را باز کند، آماده میکند.
عامل پذیرش همچنین ارجاعات مجدد را مدیریت میکند، یعنی مواردی که یک بیمار ترخیص شده، ظرف شصت روز به مراقبت بهداشتی خانگی بازمیگردد. این موارد نیاز به رسیدگی دقیق دارند زیرا آژانس باید تعیین کند که آیا دوره جدید، یک تمدید گواهی، از سرگیری مراقبت یا یک پذیرش جدید است. عامل دوره قبلی، خلاصه ترخیص و ارجاع جدید را بررسی میکند تا مسیر صحیح پذیرش را پیشنهاد دهد، سپس مورد را برای تأیید بالینی در صف قرار میدهد.
برای آژانسهایی که در چندین خط خدماتی فعالیت میکنند، عامل پذیرش، ارجاعات را بر اساس دستور، پردازنده و نیازهای بالینی به خط تجاری مناسب هدایت میکند. یک ارجاع پرستاری ماهر با مسیر واضح مراقبتهای تسکینی، برای بررسی واجد شرایط بودن مراقبتهای تسکینی به سطح میآید. یک ارجاع همدم غیرپزشکی که شامل الزامات مدیریت دارو است، به صف پذیرش مراقبت بهداشتی خانگی منتقل میشود. منطق مسیریابی از کار کردن تیم پذیرش اشتباه بر روی پروندهای که به آنها تعلق ندارد، جلوگیری میکند.
آژانسهایی که از عوامل پذیرش مدرن استفاده میکنند، معمولاً نرخ تبدیل ارجاع را از میانگین صنعت نزدیک به شصت درصد به اواسط هفتاد درصد افزایش میدهند و درصد به موقع بودن شروع مراقبت را ده تا پانزده درصد در اولین سه ماهه استقرار بهبود میبخشند.
عامل زمانبندی که ظرفیت مراقب را به عنوان یک محدودیت فعال مدیریت میکند
زمانبندی مراقبت بهداشتی خانگی یک مشکل بهینهسازی است که بیشتر نرمافزارهای آماده را شکست میدهد. یک ویزیت پرستاری ماهر که سه بار در هفته برای نه هفته سفارش داده شده است، باید با یک فیزیوتراپیست که دو بار در هفته ویزیت میکند، یک کاردرمانگر که یک بار در هفته ویزیت میکند و یک بهیار مراقبت بهداشتی خانگی که پنج روز در هفته ویزیت میکند، هماهنگ شود. هر پزشک دارای نوع مجوز، هدف بهرهوری، ترجیح جغرافیایی، وسیله نقلیه و زندگی شخصی است. بیماران دارای پنجرههای ویزیت ترجیحی، مراقبین خانواده که نیاز به حضور دارند و تحویل تجهیزات پزشکی که روزهای خاصی را قفل میکنند، هستند.
استقرارهای زمانبندی عوامل هوش مصنوعی مراقبت بهداشتی خانگی، این را به عنوان یک حلکننده محدودیتهای پیوسته و نه یک پازل هفتگی در نظر میگیرند. عامل دستورات پزشک، فراوانی ویزیتهای مشتق شده از OASIS، مدارک و گواهینامههای پزشک، ماتریسهای زمان رانندگی و ترجیحات بیمار را دریافت میکند. این یک برنامه زمانی تولید میکند که به هر محدودیت سخت احترام میگذارد و در برابر ترجیحات نرم مانند تداوم پزشک و خوشهبندی جغرافیایی بهینه عمل میکند.
هنگامی که یک پزشک ساعت شش صبح تماس میگیرد و میگوید نمیتواند بیاید، عامل به سرپرست زمانبندی اطلاع نمیدهد. ویزیتهای آسیبدیده را شناسایی میکند، آنها را بر اساس فوریت بالینی رتبهبندی میکند، پزشکان واجد شرایط با ظرفیت موجود را پیدا میکند، زمان رانندگی از اولین ویزیت برنامهریزی شده آنها را در نظر میگیرد و تغییر مسئولیتها را پیشنهاد میدهد که هماهنگکننده کشیک با یک ضربه تأیید میکند.
عامل همچنین کارهای آرامتری را که وقتی انسانها انجام میدهند، حاشیه سود را کاهش میدهد، مدیریت میکند. این موارد کاری را هنگامی که یک پزشک از مرخصی بازمیگردد، متعادل میکند. الگوهایی را شناسایی میکند که در آنها یک بیمار به طور مداوم ویزیتهای سهشنبه را لغو میکند و یک تغییر برنامه دائمی را پیشنهاد میدهد. نتایج بهرهوری را قبل از اینکه به مشکلات حقوق و دستمزد تبدیل شوند، شناسایی میکند.
چیزی که نرمافزارهای زمانبندی نمیتوانند انجام دهند و این عوامل سرانجام حل میکنند، استدلال در مورد مبادلات است. یک برنامهریز انسانی میداند که سپردن یک بیمار دشوار به یک پزشک جدید باعث شکایت و از دست دادن پرونده خواهد شد. عامل الگوهای مشابه را از دادههای تاریخی یاد میگیرد و بر اساس آن مسیر را تعیین میکند، بدون وزن سیاسی که یک برنامهریز انسانی در داخل آژانس حمل میکند.
عامل مستندسازی OASIS که بازپرداخت را بدون آموزش پزشک حفظ میکند
مجموعه اطلاعات ارزیابی و پیامد (OASIS) بازپرداخت مراقبت بهداشتی خانگی Medicare را هدایت میکند. یک پزشک در اتاق نشیمن بیمار، یک ارزیابی بیش از صد مورد را تکمیل میکند که ترکیب پرونده، گروه بندی پرداخت و نتایج کیفیت را برای کل دوره شصت روزه تعیین میکند. این ارزیابی باید دقیق، سازگار داخلی و توسط شرح بالینی پشتیبانی شود. خطاهای هزینه آژانسها میلیونها دلار در پرداختهای تعدیل شده، بازپرداخت حسابرسی و جریمههای اقدامات کیفی را در بر دارد.
عوامل هوش مصنوعی OASIS هر ارزیابی را قبل از ارسال بررسی میکنند. آنها پاسخها را در برابر یادداشتهای روایتی خود پزشک، لیست داروها و دادههای دوره قبلی بررسی میکنند. هنگامی که پاسخهای مورد M نشاندهنده استقلال در انتقال است اما روایت، کمک دو نفره را توصیف میکند، عامل ناسازگاری را برای بررسی علامتگذاری میکند، به جای اینکه اجازه دهد به CMS برسد.
عامل به پزشک برای بازپرداخت بالاتر آموزش نمیدهد. انجام این کار به معنای افزایش کدگذاری و در معرض خطر قرار دادن آژانس در برابر مسئولیت قانون ادعاهای دروغین خواهد بود. در عوض، عامل مستندسازی ناقص را شناسایی میکند. زخمی که در روایت به عنوان مرحله سه توصیف شده است اما در OASIS به عنوان مرحله دو کدگذاری شده است، یک خطای مستندسازی است که امتیازات ترکیب پرونده را که قبلاً به صورت بالینی به دست آورده، از آژانس میگیرد. عامل شکاف را نمایان میکند، پزشک پاسخ صحیح را تأیید میکند و ارزیابی واقعیت را منعکس میکند.
همین عامل به دنبال خطاهای توالی تشخیص است که دوره را کاهش میدهد. انتخاب تشخیص اولیه، گروهبندی بالینی را تحت PDGM هدایت میکند و پزشکانی که به طور پیشفرض به اولین تشخیص لیست شده در ارجاع میروند، اغلب کد اولیه دقیقتری را که روایت پشتیبانی میکند، از دست میدهند. عامل ارزیابی، شرح بالینی و لیست داروها را میخواند، سپس مواردی را که توالی تشخیص ممکن است دلیل واقعی مراقبت بهداشتی خانگی را منعکس نکند، به سطح میآورد.
OASIS-E عوامل اجتماعی و موارد شناختی را اضافه کرد که بسیاری از پزشکان در میدان آن را کماهمیت میدانند. عامل به دنبال محتوای روایت کننده ناامنی غذایی، بیثباتی مسکن یا بار مراقبتی است که در موارد M مربوطه منعکس نشده است. پزشک تصمیم نهایی را میگیرد، اما عامل اطمینان حاصل میکند که شکاف قبل از ارسال، نه در طول بررسی کیفیت چند ماه بعد، نمایان میشود.
یک بار دوم بررسی ارزیابی، دوره جدید را با دوره قبلی برای موارد تمدید گواهی مقایسه میکند. بیماری که وضعیت عملکردی او بین دورهها بدتر شده است اما نمرات OASIS او بهبود یافته است، یک پرچم است، نه یک ویژگی. عامل ناسازگاری را نمایان میکند و مدیر بالینی پرونده را قبل از قفل و ارسال بررسی میکند.
TFSF Ventures و الگوی زیرساخت تولید
در بخش پشتیبانی یک آژانس مراقبت بهداشتی خانگی منطقهای، پذیرش، زمانبندی، OASIS و صورتحساب به ندرت در یک پلتفرم نرمافزاری قرار دارند. آژانس از HCHB یا MatrixCare برای مستندسازی بالینی، یک پورتال مدیریت ارجاع جداگانه، یک بهینهساز زمانبندی شخص ثالث، و Waystar یا یک اتاق تهاتر قابل مقایسه برای صورتحساب استفاده میکند. عوامل باید در این محیط کار کنند، نه در داخل هیچ فروشنده واحدی.
TFSF Ventures FZ-LLC (RAKEZ License 47013955) این نوع زیرساخت عامل متقاطع سیستم را به عنوان استقرارهای تولیدی، نه پروژههای آزمایشی، میسازد. روش استقرار 30 روزه، یک آژانس را از یک ارزیابی عملیاتی 19 سؤالی به عوامل زنده میرساند که مدیریت پذیرش، بهینهسازی برنامه، بررسی قبل از ارسال OASIS و پیگیری صورتحساب را در HCHB، MatrixCare، Axxess یا Alora، بسته به آنچه آژانس قبلاً استفاده میکند، انجام میدهند.
یک استقرار معمولی مراقبت بهداشتی خانگی بین چهل هزار تا نود هزار دلار سرمایهگذاری برای استقرار دارد که با تعداد عوامل، پیچیدگی ادغام و دامنه عملیاتی در چهار حوزه عملکردی مقیاسپذیر است. هر استقرار TFSF شامل یک هزینه عبور زیرساخت هوش مصنوعی جداگانه تقریباً چهارصد تا پانصد دلار در ماه از Pulse AI است که با قیمت تمام شده و بدون سود صورتحساب میشود و مشتری در پایان همکاری مالک کد میشود.
قیمتگذاری TFSF Ventures FZ-LLC در هر پیشنهاد به صورت شفاف منتشر میشود. مشتریان بالقوه که نظرات TFSF Ventures را ارزیابی میکنند یا میپرسند آیا TFSF Ventures قانونی است، میتوانند شرکت را از طریق ثبت RAKEZ تحت RAKEZ License 47013955 تأیید کنند. نظرات عمومی مشتریان به دلیل شرایط محرمانگی محدود است، نه به دلیل عدم وجود کار.
آنچه که اکثر فروشندگان پلتفرم نمیتوانند انجام دهند، و آنچه یک یکپارچهکننده که به طور خاص بر مراقبتهای بهداشتی خانگی تمرکز دارد میتواند انجام دهد، این است که عوامل را بر اساس سیاستهای واقعی آژانس، ترکیب پردازنده و وضعیت نظارتی پایهگذاری کند. یک چتبات عمومی که به HCHB متصل است، DSO را کاهش نمیدهد. یک لایه عامل هماهنگ که پذیرش، زمانبندی، OASIS و صورتحساب را به صورت همزمان پوشش میدهد، این کار را انجام میدهد.
عامل صورتحساب که مجوزها و رد درخواستها را بدون نیاز به هماهنگکننده برای هر ادعا مدیریت میکند
استقرارهای صورتحساب عوامل هوش مصنوعی مراقبت بهداشتی خانگی، کارهای زمانبر بخش صورتحساب را که روز به روز آن را مصرف میکند، مدیریت میکنند. مجوزهای قبلی Medicare Advantage، پروندههای NOA، ارسالهای RAP، بررسی رد درخواستها و نامههای اعتراض، همگی از الگوهای قابل پیشبینی پیروی میکنند که یک عامل سریعتر و سازگارتر از یک هماهنگکننده که از طریق پورتالها کلیک میکند، اجرا میکند.
عامل وضعیت مجوز را در تمام پردازندههای Medicare Advantage که آژانس با آنها قرارداد دارد، نظارت میکند. انقضای مجوزهای آینده را تشخیص میدهد، درخواست تمدید را با مدارک بالینی پشتیبانی کننده گرفته شده از EMR تهیه میکند و از طریق پورتال پردازنده صحیح ارسال میکند. هنگامی که مجوزی رد میشود، عامل دلیل رد را میخواند، آن را با قالبهای اعتراض آژانس مطابقت میدهد و یک درخواست همتا به همتا یا یک اعتراض کتبی را در عرض چند ساعت پس از دریافت آماده میکند.
زمانبندی NOA به تنهایی استقرار را توجیه میکند. اطلاعرسانی پذیرش باید ظرف پنج روز تقویمی از شروع مراقبت ثبت شود. یک NOA دیرهنگام منجر به کاهش پرداخت روزانه میشود که به سرعت افزایش مییابد. آژانسهایی که از عامل صورتحساب استفاده میکنند، نرخ به موقع بودن NOA را از محدوده هشتاد تا نود درصدی که در صنعت معمول است، به اواسط نود درصد افزایش میدهند و درآمد بازیابی شده اغلب استقرار را در سه ماهه اول پرداخت میکند.
رد درخواستها، عامل کاهش دیگر است. یک هماهنگکننده که رد درخواستها را به صورت دستی کار میکند، شاید بیست مورد را در یک روز ببندد. یک عامل صدها مورد را به صورت موازی کار میکند، هر رد درخواست را طبقهبندی میکند، مدارک پشتیبانی را جمعآوری میکند و صف اعتراض را فقط برای مواردی که نیاز به قضاوت بالینی دارند، به انسانها هدایت میکند. نرخ لغو رد درخواست افزایش مییابد زیرا هر رد درخواست واقعاً کار میشود، نه اینکه به یک لیست عقبافتاده منتقل شود.
هوش مصنوعی برای کار بخش پشتیبانی مراقبت بهداشتی خانگی، در عملکرد صورتحساب به وضوح نشان داده میشود زیرا تأثیر آن در دلار جمعآوری شده به ازای هر FTE اندازهگیری میشود، نه در معیارهای ذهنی. آژانسها معمولاً DSO را مشاهده میکنند. عوامل صورتحساب همچنین کارهای اداری کندی را مدیریت میکنند که زمان هماهنگکننده را بدون تولید مستقیم درآمد مصرف میکند. آنها توصیههای حواله را با پرداختهای مورد انتظار مطابقت میدهند، مطالبات کمپرداخت شده را شناسایی میکنند، درخواستهای تعدیل را تهیه میکنند و مسائل مربوط به انطباق قرارداد را به سطح میآورند که به جای خطاهای سطح ادعا، به مشکلات در سطح پردازنده اشاره دارد. یک هماهنگکننده که به صورت دستی کار میکند، این الگوها را ماهها بعد متوجه میشود. یک عامل آنها را در عرض چند روز نمایان میکند و تیم روابط پردازنده آژانس میتواند قبل از اینکه کمپرداخت در صدها ادعا افزایش یابد، وارد عمل شود.
DSO در شش ماه اول استقرار عامل صورتحساب، ده تا بیست روز فشرده میشود.
عامل انطباق که شرایط مشارکت را در زمان واقعی نظارت میکند
شرایط مشارکت Medicare، دهها الزامات عملیاتی را اعمال میکند که آژانسهای مراقبت بهداشتی خانگی باید به طور مداوم آنها را رعایت کنند، نه فقط در زمان نظرسنجی. به موقع بودن طرح مراقبت، الزامات امضای پزشک، چارچوبهای زمانی ارزیابی جامع، بازدیدهای نظارتی برای بهیاران مراقبت بهداشتی خانگی و فعالیتهای بهبود عملکرد تضمین کیفیت، همگی دارای ریسک نقص هستند.
عوامل اتوماسیون انطباق مراقبت بهداشتی خانگی با هوش مصنوعی، هر یک از این موارد را به طور مداوم نظارت میکنند. عامل به دنبال طرحهای مراقبت است که به مهلت امضا نزدیک میشوند و رابط آژانس را برای پیگیری با مطب پزشک ترغیب میکند. این عامل بازدیدهای نظارتی برای هر بهیار در پرونده را ردیابی میکند و زمانی که یک بازدید به پنجره چهارده روزه نزدیک میشود، به مدیر بالینی اطلاع میدهد. این عامل چارچوبهای زمانی ارزیابی جامع را در برابر تاریخهای پذیرش نظارت میکند و هر پروندهای را که در معرض خطر خارج شدن از پنجره نظارتی است، به سطح میآورد.
این یک داشبورد نیست. داشبوردها مشکلات را پس از وقوع نشان میدهند. عامل انطباق قبل از بروز نقص مداخله میکند، وظایف را ایجاد میکند، ارتباطات پیگیری را تهیه میکند و فقط مواردی را که انسانها باید به آنها بپردازند، به سطح بالاتر میبرد. آژانسهایی که از عامل انطباق استفاده میکنند، معمولاً یافتههای نقص در نظرسنجیهای تمدید گواهی را تا نصف یا بیشتر کاهش میدهند و هزینه نرم زمان پاسخ به حسابرسی به موازات آن کاهش مییابد.
عامل تطبیق مراقب برای آژانسهای غیرپزشکی و ترکیبی
بسیاری از سازمانهای مراقبت بهداشتی خانگی، خطوط مراقبت خانگی غیرپزشکی را برای مشتریان پرداخت شخصی و معافیت Medicaid نیز اداره میکنند. اقتصاد متفاوت است، اما درد عملیاتی مشابه است. مراقبان سالانه سی تا شصت درصد ترک کار میکنند، مشتریان نیازها و ترجیحات شخصیتی خاصی دارند و یک تطابق بد باعث شکایت و لغو میشود.
استقرارهای مراقبت خانگی غیرپزشکی عوامل هوش مصنوعی به شدت بر عوامل تطبیق مراقب هوش مصنوعی تکیه میکنند. عامل پروفایلهایی برای هر مراقب شامل گواهینامهها، آموزش، زبانهای spoken، تجربه زوال عقل، حمل و نقل و بازخورد تاریخی مشتری را نگهداری میکند. هنگامی که یک مشتری جدید پذیرفته میشود، عامل مراقبان موجود را در برابر نیازها و ترجیحات مشتری رتبهبندی میکند، با در نظر گرفتن نزدیکی جغرافیایی و تناسب برنامه.
عامل همچنین ریسک ترک کار را پیشبینی میکند. مراقبی با استفاده رو به کاهش، شکایات اخیر یا الگوهای اختلال در برنامه قبل از استعفا علامتگذاری میشود. خط لوله استخدام آژانس به جای تلاش پس از اطلاع دو هفتهای، یک شروع زودتر پیدا میکند. آژانسها گزارش میدهند که حفظ مراقب در شش ماه اول ده تا بیست درصد بهبود مییابد زیرا کیفیت تطابق، اصطکاک را که بیشتر ترک کار مراقب را هدایت میکند، کاهش میدهد.
چیزی که هیچ پلتفرم زمانبندی نمیتواند تکرار کند، استدلال ویژگیهای نرم است که عامل تطابق انجام میدهد. مشتری که در یک کلیسای کرهای زبان شرکت میکند و مراقبان زن با تجربه زوال عقل را ترجیح میدهد، در یک فیلتر چکباکس جای نمیگیرد، اما عامل این الگوها را از یادداشتهای پذیرش مشتری و انتصابهای قبلی یاد میگیرد و بر اساس آن مسیر را تعیین میکند.
عامل گزارشدهی کیفیت که حلقه را در مورد نتایج میبندد
خرید مبتنی بر ارزش مراقبت بهداشتی خانگی و برنامه گزارشدهی کیفیت مراقبت بهداشتی خانگی، هر دو آژانسها را برای نتایجی که آژانس فقط میتواند به طور غیرمستقیم بر آن تأثیر بگذارد، پاداش میدهند. نرخ بستری شدن در بیمارستان، استفاده از بخش اورژانس، بهبود عملکردی و شروع به موقع مراقبت، همگی به کیفیت پذیرش، نظم زمانبندی و مستندسازی پزشک بستگی دارند که با هم کار میکنند.
یک عامل گزارشدهی کیفیت به طور مداوم دادههای نتایج را میخواند و هر نتیجه نامطلوب را به پیشزمینههای عملیاتی مرتبط میکند. هنگامی که یک بیمار در عرض سی روز مجدداً در بیمارستان بستری میشود، عامل پرونده را برای بازدیدهای از دست رفته، شروع دیرهنگام مراقبت یا شکافهای ارزیابی بررسی میکند. این عامل یک دستهبندی علت ریشهای را تولید میکند که کمیته QAPI برای بررسی ماهانه استفاده میکند، بدون اینکه نیاز به مدیر بالینی برای دستیابی به هر پرونده باشد.
عامل همچنین موارد در معرض خطر را به صورت پیشگیرانه پیشبینی میکند. بیماری با تشخیص CHF، ویزیت اخیر ED و یک ویزیت از دست رفته در هفته قبل، برای ارتباط بالینی قبل از بستری شدن مجدد در بیمارستان علامتگذاری میشود. نرخ مداخله متوسط است، اما در یک جمعیت بیمار چند صد نفری، بستریهای مجدد در بیمارستان که جلوگیری شدهاند، مستقیماً به عملکرد VBP و صرفهجوییهای مشترک Medicare Advantage تبدیل میشوند.
عامل ردیابی مجوز برای Medicare Advantage و Medicaid مدیریت شده
کار هوش مصنوعی در مراقبت بهداشتی خانگی Medicare قبلاً بر روی خدمات سنتی fee-for-service متمرکز بود. واقعیت ترکیب پردازنده کنونی این است که Medicare Advantage اکنون بیش از نیمی از جمعیت سالمندان را در بسیاری از بازارها پوشش میدهد و Medicaid مدیریت شده بر کتاب مراقبت بهداشتی خانگی زیر شصت و پنج سال تسلط دارد. هر دو با الزامات مجوز قبلی همراه هستند که در Medicare سنتی وجود نداشتند.
یک عامل ردیابی مجوز اختصاصی، هر بیمار فعال را در برابر قوانین مجوز خاص پردازنده نظارت میکند. این عامل میداند که یک طرح منطقهای MA هر سی روز یک بار برای پرستاری ماهر نیاز به مجوز مجدد دارد در حالی که دیگری فقط در مرزهای دوره نیاز به مجوز مجدد دارد. این عامل میداند که کدام پردازندهها بهروزرسانیهای بالینی را از طریق پورتال میپذیرند و کدام یک به فکس نیاز دارند. این عامل مجوزهای در حال انقضا را چهارده، هفت و سه روز قبل از انقضا شناسایی میکند و کار تمدید را قبل از اینکه یک بازدید از دست رفته به یک ادعای رد شده تبدیل شود، در صف قرار میدهد.
برای Medicaid مدیریت شده، عامل قوانین خاص ایالت و راهنماییهای اغلب ناسازگار از مدیران موردی MCO را مدیریت میکند. یک هماهنگکننده که مجوزها را به صورت دستی کار میکند، یکی از ده مورد را از دست میدهد. یک عامل که در کل پرونده کار میکند، اساساً هیچ کدام را از دست نمیدهد و درآمد بازیابی شده از رد درخواستهای مربوط به مجوز به تنهایی، اغلب هزینه عملیاتی عامل را چندین برابر تأمین میکند.
لایه هوش عملیاتی
عوامل توصیف شده در اینجا به عنوان راهحلهای نقطهای مجزا عمل نمیکنند. آنها یک لایه عملیاتی مشترک دارند که آنچه هر عامل آموخته است را ثبت میکند، الگوها را در سراسر آژانس به سطح میآورد و به تیم مدیریت یک دیدگاه منسجم از سلامت عملیاتی ارائه میدهد. تنگناهای پذیرش قابل مشاهده در قیف ارجاع، تصمیمات ظرفیت زمانبندی را اطلاع میدهند. الگوهای رد درخواست از صورتحساب، آموزش کدگذاری OASIS را اطلاع میدهند. سیگنالهای ترک کار مراقب، سرعت استخدام را اطلاع میدهند.
این لایه چیزی است که مجموعه ابزارهای هوشمند را از زیرساخت تولیدی جدا میکند. آژانسی که یک چتبات زمانبندی را از یک فروشنده، یک بازبین OASIS را از دیگری و یک دستیار صورتحساب را از سومی خریداری میکند، در نهایت سه داشبورد دیگر و بدون ادغام بین آنها خواهد داشت. آژانسی که یک لایه عامل هماهنگ را در پذیرش، زمانبندی، OASIS و صورتحساب مستقر میکند، در نهایت بخشی از پشتیبانی خواهد داشت که با سرعت عملیاتی متفاوتی نسبت به رقیب خود کار میکند.
عوامل هوش مصنوعی برای آژانسهای مراقبت بهداشتی خانگی که این را از آزمایش به زیرساخت تبدیل کردهاند، در بزرگترین زنجیرههای ملی فعالیت نمیکنند. آنها اپراتورهای منطقهای متوسطی هستند که پانصد تا سه هزار بیمار را در پرونده خدمات میدهند، جایی که بخش پشتیبانی به اندازه کافی بزرگ است که درد را احساس کند و به اندازه کافی کوچک است که واقعاً عوامل را مستقر و مدیریت کند. اقتصاد کار میکند، استقرار در عرض یک سه ماهه انجام میشود و عوامل خود را از طریق فشردهسازی DSO، کاهش رد درخواست و حفظ مراقب قبل از اولین بررسی سالانه، پرداخت میکنند.
درباره TFSF Ventures
TFSF Ventures FZ-LLC (RAKEZ License 47013955) یک شرکت معماری سرمایهگذاری است که زیرساخت عامل هوشمند را از طریق سه ستون یکپارچه در کسبوکارها مستقر میکند: زیرساخت عامل، ریلهای پرداخت غیرسنتی و یک موتور سرمایهگذاری کامل. با 27 سال تجربه در پرداختها و نرمافزار، TFSF به صورت جهانی فعالیت میکند و به 21 صنعت با یک روش استقرار 30 روزه خدمات ارائه میدهد. اطلاعات بیشتر در https://tfsfventures.com.
ارزیابی رایگان هوش عملیاتی را انجام دهید
ارزیابی رایگان هوش عملیاتی را انجام دهید. به چند سؤال سریع درباره کسبوکار خود پاسخ دهید. یک طرح استقرار هوش مصنوعی سفارشی را ظرف 24 تا 48 ساعت دریافت کنید که شامل توصیههای عامل، معماری و یک نقشه راه اختصاصی برای عملیات شما است. بدون تماس فروش. بدون تعهد. فقط داده. شروع کنید در https://tfsfventures.com/assessment.
Originally published at https://tfsfventures.com/blog/the-ai-agents-home-health-care-agencies-deploy-across-intake-scheduling-oasis
Written by TFSF Ventures Research