Cuanto menos reclamaciones de atención médica se nieguen, mejor. ¿Podría haber un sentimiento más agradable en el cuidado de la salud? Casi el 15% de todas las reclamaciones presentadas a pagadores privados son inicialmente denegadas. En 2023, los aseguradores de planes de salud calificados vendidos en Healthcare.gov negaron el 19% de las reclamaciones en red.
¿Qué se puede hacer para empezar a mover esa aguja en la dirección correcta? Honestamente, necesitamos una mejor IA. ¡Escúchame!
Pocas cosas son más personales que la salud de uno, por lo que cuando un algoritmo informático dirigido por inteligencia artificial niega la atención, es enloquecedor tanto para los pacientes como para los proveedores. Los humanos quieren que otros humanos tomen decisiones sobre las reclamaciones, pero eso rara vez es cómo se toman esas decisiones hoy en día. En un mundo perfecto, las denegaciones no existirían, pero son necesarias en el sistema de salud actual de EE. UU. El fraude de seguros y las reclamaciones excesivas se desatarían si los pagadores cubrieran cada reclamación. Debe haber un equilibrio entre lo que los pagadores cubren y lo que no. Con estas tasas elevadas de denegación, hay un desequilibrio obvio.
¿Cómo inclinamos la balanza para reducir la tasa de denegaciones? Si bien la IA ha sido el tomador de decisiones inicial durante años, debe ser mejor entrenada. Y para hacer eso, necesita ayuda.
IA en denegaciones:
En los últimos años, ha habido enormes inversiones en la automatización del proceso de reclamaciones y revisión en la industria de seguros de salud. La tecnología ya ha llevado a mejoras para pacientes y proveedores.
Tareas tediosas menos: Agregar IA al proceso de reclamaciones permite que los médicos pasen más tiempo cuidando a los pacientes a través de revisión de pares en lugar de leer cada reclamación línea por línea. Libera tiempo para revisar reclamaciones complicadas que puedan necesitar ese toque humano adicional.
Reclamaciones más rápidas: En lugar de esperar días o incluso semanas para conocer el estado de una reclamación, la IA puede tomar una decisión sobre una reclamación casi instantáneamente. Si se niega una reclamación, los modelos de IA pueden proporcionar comentarios inmediatos, lo que permite a los proveedores volver a enviarla para su aprobación. Mientras que el 15% de las reclamaciones son inicialmente denegadas, el 54% de esas reclamaciones denegadas se pagan eventualmente. Si la denegación se debe a algo que falta en la reclamación, cuanto más rápido se sepa eso, más rápido se puede corregir y cobrar.
Mejor gestión del ciclo de ingresos: El tiempo es dinero. Cuando un proceso de reclamaciones es lento, es posible que los proveedores no reciban el pago a tiempo. Acelerar el proceso con IA permite a los proveedores comprender mejor cuándo se les pagará.
Mejora de la IA para las denegaciones de atención médica
Por supuesto, no puedes simplemente lanzar IA a un problema y esperar que se solucione de inmediato. Se necesita tiempo. Se necesita trabajo para perfeccionar un modelo de IA para que sea lo más perfecto posible. Piensa en cuando los modelos de IA generativa primero produjeron imágenes. Las personas apenas se parecían a las personas: a veces las manos tenían ocho dedos y los torsos podían ser tan largos como las piernas de la persona. Pero con años de datos y ajustes humanos, estos modelos aprendieron a crear imágenes fotorrealistas. La IA para reclamaciones de salud, en algunos casos, está en la etapa de desarrollo de imágenes ridículas, necesita más tiempo y datos. Afortunadamente, la industria de la salud de EE. UU. tiene montañas de datos. Lo que estos modelos requieren es más corrección humana, y nadie está mejor capacitado para ayudar a los modelos de IA que los médicos que lidian con ellos todos los días.
Cuando los médicos insertan su propio conocimiento de reclamaciones de seguros en estos modelos, mejora. Información como por qué tomaron sus decisiones de atención, como la consideración de la historia clínica de un paciente o las pautas clínicas en evolución. Cuanto más entienda un modelo de IA el proceso de toma de decisiones, mejor se vuelve la IA. Este ajuste humano de estos modelos de IA llevará las reclamaciones de salud de IA de imágenes de ocho dedos a una foto que jurarías que es real.
Cerrando la brecha de denegaciones entre pagadores y proveedores
Los pagadores están trabajando para mantener a flote las finanzas de la industria de la salud. Los proveedores están trabajando para tratar a los pacientes. Esos intereses no siempre se alinean. Por lo tanto, la razón de las denegaciones. Entonces, incluso con el uso creciente de IA en reclamaciones, hay formas para que los proveedores se adelanten al proceso.
Análisis predictivo: Los sistemas de salud deberían crear o incorporar sus propios modelos de IA predictivos para comprender y prepararse mejor para el modelo de reclamaciones de un pagador. Piense en esto como laminar una receta familiar preciada. Es un paso adicional que un proveedor puede tomar antes de presentar una reclamación para protegerla de ser denegada.
Educación: Con análisis predictivo, más proveedores entenderán mejor el manual del modelo de reclamación de un pagador y lo que se necesita hacer para garantizar aprobaciones. Si un médico continua teniendo las mismas reclamaciones denegadas, la organización de atención médica debe encontrar una forma de comunicarse y educarlos sobre cómo disminuir las tasas de denegación.
La inteligencia artificial no eliminará las denegaciones, ni debería. Sin embargo, la IA puede reducirlas y seguir acelerando el proceso de aprobación. A medida que la tecnología avanza, se vuelve más común y más exitosa, la confianza seguirá. En lugar de revisar línea por línea una reclamación para asegurarse de que sea aprobada, los médicos pueden enfocarse más en sus pacientes. Los pacientes se preocuparán menos por una denegación y pondrán su energía en sanar. La IA está aquí para quedarse, y mientras expertos con las mejores intenciones la guíen por el camino correcto, la atención médica mejorará y las tasas de denegación disminuirán.
Foto: utah778, Getty Images
Christine Smith Stetler, RN, AVP de Ingeniería de Soluciones en MedeAnalytics, está apasionada por llevar la innovación en datos y tecnología de la salud directamente a los consumidores y sus cuidadores para ayudarlos a vivir sus mejores vidas. Con más de dos décadas en un campo que ama, Christine ha ayudado a pacientes y colegas clínicos tanto directa como indirectamente, manos a la obra y a través de la tecnología.
Esta publicación aparece a través del programa MedCity Influencers. Cualquiera puede publicar su perspectiva sobre negocios e innovación en salud en MedCity News a través de MedCity Influencers. Haz clic aquí para saber cómo.