Anwendungsmöglichkeiten für künstliche Intelligenz zur Verbesserung des Revenue Cycle Managements im Gesundheitswesen zeigen vielversprechende Ergebnisse, aber Führungskräfte sind besorgt über die Genauigkeit und Zuverlässigkeit der Technologie. Dies ergab eine Umfrage von Inovalon unter mehr als 400 Revenue Cycle und Finanz-Executives und Managern, von denen 84% optimistisch über KI-gestütztes RCM in Krankenhäusern sind. Ein Drittel der Befragten zeigte jedoch Bedenken oder Skepsis hinsichtlich der Verwendung von KI im RCM, mit Sorgen über Genauigkeit und Zuverlässigkeit (31%), Mangel an Bekanntheit/Verständnis (17%) und KI sei zu neu/ungetestet (15%) als hauptsächliche Streitpunkte.
Ein Fünftel der Befragten ist überzeugt, dass die Leistung von Menschen – zumindest zu diesem Zeitpunkt – der KI überlegen ist. Julie Lambert, Präsidentin und General Managerin für Anbieter bei Inovalon, erklärte, dass dies zwar für das gesamte RCM zutreffend ist, aber es definitiv Bereiche gibt, die in größerem Maße von KI profitieren können. Sie betonte, dass die Expertise als wesentliche Grundlage für die Schaffung von AI/ML-Modellen anzusehen ist, die performen und kontinuierlich verbessert werden. AI kann besonders wirkungsvoll in Bereichen sein, die am meisten Schmerzen verursachen und für Anbieter heute am manuellsten sind, wie beispielsweise Abrechnungsablehnungen, vorherige Genehmigungen und Berechtigungen.
Lambert betonte, dass es wichtig ist zu erkennen, dass KI nicht statisch ist und niemals als solche behandelt werden sollte. Ein Modell zu entwerfen, das kontinuierlich lernt, ist ein Kernprinzip von KI – Modelle werden kontinuierlich aus den Daten und dem natürlichen Feedback, das aus den Ergebnissen kommt, lernen. Es ist auch entscheidend, dass externe Faktoren berücksichtigt werden, die ein Modell beeinflussen können, wie regulatorische Änderungen, die die Struktur der Daten oder andere Faktoren verändern könnten. Lambert betonte, dass es wichtig ist sicherzustellen, dass alle verstehen, dass KI nicht nur für die Führungsebene oder nur für Datenwissenschaftler gedacht ist – jeder sollte daran beteiligt sein, damit KI erfolgreich sein kann.