V dnešnom neustále sa meniacom sa svete zdravotnej starostlivosti nemožno prehliadnuť dôležitosť efektívneho riadenia cyklu príjmov (RCM). Našťastie, nedávne pokroky v technológiách, najmä v oblasti umelej inteligencie (AI), ponúkajú obrovský potenciál na zlepšenie a zefektívnenie administratívnych funkcií v oblasti zdravotnej starostlivosti. Jedným zo vizionárov, ktorí stojí v popredí tejto revolúcie, je Jay Aslam, spoluzakladateľ a hlavný vedec údajov spoločnosti CodaMetrix, špecializovanej na AI-riadené riešenia pre RCM.
Aslamova cesta do oblasti AI sa začala pred viac ako tridsiatimi rokmi, a jeho odbornosť v oblasti AI, strojového učenia a spracovania prirodzeného jazyka ho posunula na čelo inovácií v oblasti zdravotnej starostlivosti. Hral kľúčovú úlohu pri vývoji pôvodného AI systému pre lekárske kódovanie v Massachusetts General Brigham v roku 2016, ktorý nakoniec vyústil do vzniku spoločnosti CodaMetrix.
Príbeh za CodaMetrix siaha až do roku 2009, kedy sa Aslam pripojil k spoločnosti VOBA Solutions ako konzultant pracujúci s organizáciou Massachusetts General Physicians Organization (MGPO). Bremeno lekárskeho kódovania, ktoré často spadalo na lekárov a profesionálnych kódovateľov, podnietilo MGPO k hľadaniu riešenia, ktoré by pomohlo zmierňovať toto bremeno a zlepšiť efektivitu. Uvedomujúc si hojnosť dostupných údajov, ale chýbajúc potrebnú odbornosť pre ich využitie, Aslam a jeho tím sa vydali na misiu vybudovať systém riadený AI.
Ich počiatočný dôraz bol kladený na zníženie bremena kódovania pre lekárov vyvinutím systému, ktorý by mohol generovať niekoľko pravdepodobných kódov CPT na základe historických údajov a popisov postupov. Tento systém, implementovaný v roku 2010, významne zjednodušil čas a úsilie potrebné pre kódovanie, pričom sa stále spoľahol na vstup lekára pre konečný výber kódu.
Na základe tejto úspešnosti Aslam a jeho tím zaviedli ďalší krok tým, že vyvinuli systém riadený AI, ktorý dokázal predpovedať kódy priamo z klinických poznámok, eliminujúc potrebu zapojenia lekára a potenciálne revolučne meniac pracovné postupy kódovania. Tento systém, implementovaný v roku 2015, nielen automatizoval lekárske kódovanie, ale zvýšil aj efektivitu a presnosť, čím prospeje tak lekárom, ako aj profesionálnemu personálu zaoberajúcemu sa kódovaním.
Inšpirovaný úspechom týchto interných riešení si Massachusetts General Brigham uvedomil potenciál tejto technológie aj pre svoju organizáciu a rozhodol sa v roku 2019 osamostatniť CodaMetrix. Víziou pre CodaMetrix je revolučne zmeniť RCM zahŕňaním generatívnej AI do administratívnych procesov. Ich cieľom je zvýšiť efektivitu, znížiť náklady, zmierňovať bremeno lekárov a kódovateľov a poskytovať presné a autonómne lekárske kódovanie pre rôzne modely zdravotnej starostlivosti, vrátane starostlivosti o poplatok za poskytnuté služby, kvalitnej starostlivosti a zdravotnej starostlivosti o populáciu.
Aslam verí, že využitím sily generatívnej AI môžu zdravotnícke organizácie optimalizovať smerovanie funkcií cyklu príjmov, získať cenné poznatky z analýzy údajov a nakoniec zmeniť spôsob riešenia administratívnych úloh. Prostredníctvom inovatívnych riešení ako tie, ktoré boli vyvinuté spoločnosťou CodaMetrix, je potenciál na zlepšenie výkonnosti RCM a celkových výsledkov v oblasti zdravotnej starostlivosti nikdy nebol väčší.
The source of the article is from the blog guambia.com.uy