AI加RPA：为医疗保健收入周期带来巨大增益

目前，各种研究实验室利用AI技术取得了许多突出的成果。比如，已经证明AI技术在诊断癌症、视网膜病变甚至新冠肺炎等领域可以媲美甚至超越人类医生。

然而，仍然存在许多实际问题。首先，在实验室工作的方法不一定适合临床情况。其次，这种新型的AI治疗必须得到SFDA的批准，整个过程可能需要几年时间。最后，这些AI诊断功能本身并不能真正降低成本。——医疗机构仍然需要和以前一样数量的放射科医生和眼科医生。

归根结底，AI最大的价值其实在于降低管理成本。对此，哈佛大学著名卫生经济学家大卫卡特勒在一次会议上表示，他强调管理成本已经占到美国医疗支出的四分之一到三分之一。此外，他还提出了一系列节约成本的建议，涉及缩短收入周期、提高许可效率和加快数据交换。

通过AI加自动化技术降低管理成本

目前，面向管理的人工智能方案已在贝勒斯科特怀特健康中心成功实施。这是一个拥有52家医院的大型学术医疗系统，也是德克萨斯州最大的非营利医疗服务提供商。收入周期高级副总裁萨拉克诺德尔(Sarah Knodel)并不是该组织的最高负责人，但她一直负责监督许多行政职能，并直接管理约2500名员工。

Knodel在采访中表示，BSWHealth系统重点从三个方面进行收入周期控制：

降低收集成本

优化净收入

改善患者的经济负担

在她看来，人工智能和自动化技术有望共同为上述问题指出解决方案。

Knodel和BSWHealth八年来一直在努力想出一个全面的解决方案。为了给患者提供更透明的定价标准，BSWH采用了医疗技术提供商WAystar推出的基于机器学习技术的自动价格估算工具。该工具将在患者接受护理之前生成自付费用的估计。如今，这一功能已经在很多行业普及，但在医疗领域仍具有重要的开拓意义。

在使用这个工具之前，自掏腰包的估值只能手工完成，需要结合BSWHealth下各个系统的各种信息。收入周期部门的员工给出一个估算需要五到七分钟，准确性相当迫切。但是现在，不需要任何人为干预，就可以快速获得高达70%的估计值。系统会自动从患者的保险公司检索实时资质和福利数据，并结合收费和合同费率，估算出特定患者对应的具体自付费用。此外，该技术可以不断从保险理赔中收集新材料、学习新模型，并随着时间的推移不断提高其估算精度。

尽管没有外部组织评估过患者的具体财务体验，但自该工具发布以来，BSWHealth已经收到了各方的积极反馈。护理前可以获得相对可靠的自费额度，将诊所和医院服务点的体验效果提升60%到100%。医生对预估值也比较满意，大大减少了当天无法处理的积压患者。

五年前，Knodel建议引入在线自助估价系统，帮助购物者提前知道他们需要支付多少。去年美国政府就强制规定了这样的护理预估，BSWHealth在这次探索中明显走得比低线要求更快更远(仍有很多医院达不到低线要求)。

同时，BSWHealth还利用智能技术，在营业厅的收险部建立“理赔状态”指标，对未完成的保险理赔流程进行自动化检查。以前收款机构要登录好几个付款人网站或者直接打电话；如今，机器人流程自动化(RPA)和屏幕截图技术已经能够模拟用户登录付款人网站的操作。

当RPA系统从付款人处获得索赔状态时，会将相关数据整合到收款人的工作流程中。如果索赔已通过，付款已安排，相应的数据将从收集者队列中删除。对于需要立即响应的被拒绝的申请，RPA将加快审查，以找到问题的根本原因。这种基于异常状态的RPA工作流大大加快了医保的支付速度，保证了只有真正需要人为干预的案例才提交给采集者审核。

Sarah Knodel说，她的组织正在开展几个类似的项目，并试图在几乎所有收入周期部门中使用机器学习或RPA技术。在资源利用审查方面，这项新技术可以实时读取病历，预测患者是应该住院还是接受居家观察，从而确保诊疗结论既符合监管要求，又不超过支付方的规定金额。由于这一努力，BSWHealth将审查部门的FTE减少了20%以上，不付款案件的比率也减少了同样的百分比。

展望未来，Knodel的目标是利用这些技术与付款人建立更具协作性和创新性的合作伙伴关系。她希望消除耗时低效的治疗授权和申请流程，采用更高效自动化的工作方式。

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