周期|AI加RPA：为医疗保健收入周期带来巨大增益( 二 )

Sarah Knodel表示，她的组织正在开展多个类似的项目，而且尝试在几乎所有收入周期部门中使用机器学习或RPA技术。在资源利用率审查方面，这项新技术能够实时读取病历文件并预测患者应该继续住院还是接受居家观察，借此保证诊疗结论既符合监管要求、又不超出付款方的指定额度。凭借这项努力，BSWHealth将审查部门的全职等效人数（FTE）削减了20%以上，拒付案例比率也降低了相同的百分比。
展望未来，Knodel的目标是利用这些技术与付款方之间建立起协作性更强、创新性更高的伙伴关系。她希望借此消除耗时且低效的治疗授权与申请流程，转而采用更高效、自动化水平更高的工作方式。
【周期|AI加RPA：为医疗保健收入周期带来巨大增益】智能收入周期管理
为了理解AI与RPA技术在各类行业中的收入周期与管理成本节约方面的实际功效，我们还与Waystar公司CEO Matt Hawkins进行了交流。作为一家交易处理商，Waystar公司一直在探索如何利用自身业务数据开发新的产品。Hawkins介绍称，Waystar每年约为40%的美国病患处理25亿笔医疗账单及收款交易，且全部在同一数据平台之上进行。这部分数据也让该公司能够利用机器学习、其他形式的AI技术乃至RPA降低系统运行成本，进而实现更好的病患护理效果。
如今的美国医疗保健系统已经过度复杂，这一点在流程数据中已经得到充分体现。Waystar与18000家医疗保健服务商以及众多计费与收款公司保持合作，为相关计费及收费数据建立起一套统一的票据交易所。但要想对内容进行分析并应用AI技术，他们需要使用规则引擎对数据进行检索、匹配、标准化、联合与转换。在此之后，他们才能应用各类算法开展具体查验，例如利用现有技术预测某个大型医疗系统中的特定规程要占用多少医疗经费。
他们的这套AI加RPA平台被称为“Hubble”，虽然目前仅适用于医疗领域，但未来也许会重新塑造整个保险索赔行业的新面貌。
另外，Waystar也推出了其他一些产品，主要强调“倾向性建模”——即预测付款方处理索赔申请的方式与接受赔付金额的可能性，外加预测患者本人能否接受当前的自费额度。所有这一切，都离不开机器学习的加持。
Waystar还使用RPA推进索赔状态、索赔驳回申诉以及不同系统间数据往来的自动化流程管理体系。他们主张使用机器人对接付款方，这也敦促保险公司上线更多机器人进行响应处理。很快，我们就能见证机器人对机器人这种全新、高效沟通方式的持续普及。
也许Baylor Scott & White Health所使用的机器学习项目以及Waystar介绍的AI加RPA收入周期管理应用能给更多企业的CEO们带来一些启发，帮助他们了解AI技术能做什么、擅长做什么。虽然这样的基础性应用似乎并不足以吸引到大型投资方的高度关注，但收入周期层面的效率提高必将帮助医疗保健组织在更短时间内收回成本、获得更加健康且可持续的发展态势