周期|AI加RPA：为医疗保健收入周期带来巨大增益

目前，各类研究实验室运用AI技术达成的诸多卓越成果，比如，已经证明AI技术在诊断癌症、视网膜病变乃至新冠等领域已经能够媲美甚至超越人类医师。
但是，其中还有很多现实问题。首先，在实验室中起效的方法事实上并不一定适用于临床场景。其次，这类新型AI治疗方法必须得到药监局的批准，整个过程可能需要几年时间。而最后一点在于，这些AI诊断功能本身并不能真正降低成本——医疗机构仍然需要与过去相同数量的放射科医师与眼科医生等等。
归根结底，AI最大的价值实际在于降低管理成本。对此，哈佛大学著名健康经济学家David Cutler在某会议上表示，强调管理成本已经占据全美医疗保健支出的四分之一到三分之一。另外，他还提出了一系列与缩短收入周期、提高许可效率以及加快数据交换速度相关的成本节约意见。
通过AI加自动化技术降低管理成本
目前，以行政管理为导向的AI方案已经在Baylor Scott & White Health这家公司得到成功实现。这是一家拥有52所医院的大型学术医疗体系，也是得克萨斯州规模最大的非营利性医疗保健服务商。担任收入周期高级副总裁的Sarah Knodel虽然不是机构的最高负责人，但她一直负责监督多项行政职能，直接管理约2500位雇员。
Knodel在采访中表示，BSWHealth系统从三个方面重点关注收入周期控制：
? 降低收集成本
? 优化净收益
? 改善患者经济负担
在她看来，AI与自动化技术有望配合起来，给以上几大问题指明解决之道。
Knodel与BSWHealth八年来始终致力于拿出一套综合的解决方案。为了向患者提供更为透明的定价标准，BSWH采用了由医疗技术供应商WAystar推出的、基于机器学习技术的自动化价格估算工具。这款工具会在患者接受护理之前生成自付费用的估算值。如今，该功能在不少行业中早已推广开来，但在医疗保健领域仍然具有重要的开拓意义。
在使用这款工具之前，自费额估值只能依靠手动形式完成，且需要结合BSWHealth下辖各系统中的多种信息。收入周期部门的员工需要5到7分钟才能给出一项估算值，而且准确性相当捉急。但如今，高达七成的估算值无需任何人为干预即可快速得出。系统会自动从患者的保险公司处检索实时资格与福利数据，并将其与收费及合同费率结合起来，借此估算特定患者所对应的具体自付费用。此外，该项技术还能从保险索赔中不断收集新素材、学习新模式，随时间推移持续提升自身的估算准确性。
虽然还没有外部机构评估过患者的具体财务体验，但自从这款工具发布以来，BSWHealth已经获得了各方的积极反馈。在护理前即可获得相对可靠的自费数额，使得各家诊所及医院服务点的体验效果提升了60%至100%。医生也对预估值感到满意，极大降低了无法在当日之内处理完成的积压病患。
五年之前，Knodel曾建议，以在线自助服务的形式推出估价系统，帮助购物者提前对自己需要支付的款项心中有数。到去年，美国政府已经强制要求对护理进行此类预先估算，而BSWHealth在这条探索之路上显然比低线要求走得更快、走得更远（目前仍有很多医院未能做到底线要求）。
与此同时，BSWHealth还利用智能技术在业务办公室的保险收款部门建立起“索赔状态”指标，以自动化方式检查尚未完成的保险索赔进程。以往，收款机构必须登录多个付款方网站或直接致电；如今，机器人流程自动化（RPA）与屏幕抓取技术已经能够模拟用户登录付款方网站的操作。
当RPA系统从付款方处获得索赔状态时，会把相关数据集成至收集人员工作流程当中；如果索赔已经通过并安排支付，再将对应的数据从收集人员排队中清除掉。对于遭到拒绝并需要立即回应的申请，RPA则加速审查以发现问题根源。这套基于异常状态的RPA工作流程大大加快了医疗保险的赔付速度，确保只将真正需要人为干预的案例提交给收集人员以待审查。