Cómo la inteligencia artificial y la analítica pueden automatizar la codificación CMS para médicos

Un año después de COVID-19, los médicos todavía están al límite, especialmente con los estrictos requisitos de codificación de los Centros de Servicios de Medicare y Medicaid que agobian a los proveedores de atención médica que ya están sobrecargados de trabajo.

Pero los programas de análisis, especialmente combinados con inteligencia artificial, pueden ayudar automatizando la codificación y los informes de calidad, al tiempo que alivian el agotamiento de los médicos y reducen los errores.

Noticias de TI sanitarias entrevistó a Mark Halford, vicepresidente senior de servicios al cliente, ciencias biológicas y atención médica de WNS, un desarrollador de soluciones de gestión de procesos comerciales. Habló sobre las aplicaciones de facturación que pueden notificar a los médicos sobre cómo les está yendo con las pautas de CMS y describió cómo el análisis ayuda a cumplir con los protocolos de tratamiento adecuados.

P: ¿Cómo pueden los sistemas de información de facturación basarse en las pautas clínicas de CMS y advertir a los médicos cuando se salen de las pautas?

A: Las pautas de CMS prescriben procedimientos claros y documentación de respaldo correlacionados con escenarios clínicos específicos. El sistema de gestión del ciclo de ingresos incorpora estas pautas para impulsar dos objetivos clave.

Primero, las funciones de ayuda e información en tiempo real están disponibles a través del sistema para guiar a los profesionales de la salud en el punto de entrada de datos. En segundo lugar, en el área de presentación previa a la reclamación, el sistema valida la documentación clínica recomendada y requerida (con los documentos existentes). Las lagunas o errores se resaltan y se resuelven en consecuencia. Esto da como resultado que se eviten posibles denegaciones y una administración innecesaria, al tiempo que repercute positivamente en las calificaciones de calidad.

P: ¿Cómo puede el análisis de datos examinar y automatizar los últimos protocolos de tratamiento?

A: Esto se puede hacer incorporando los últimos estándares clínicos, de universidades de los EE. UU., Incluidas Stanford y Yale, como un motor de reglas que se actualiza anualmente. Este motor permite que el 75% de las reclamaciones se aprueben de forma automática. Para el 25% restante, existe un margen de diálogo sobre tratamientos más recientes y / o fuera de las pautas; El 24% son resueltos por enfermeras; y solo el 1% requiere una discusión entre pares para su resolución.

Para impulsar la combinación de IA y supervisión clínica, cada programa cuenta con un comité asesor médico clínicamente especializado. El PAC supervisa los fundamentos clínicos de cada programa y gestiona las modalidades. Es responsable de la integridad clínica del programa, lo que incluye tener en cuenta los desarrollos de tratamiento más recientes.

P: ¿Cómo puede la IA observar a los médicos que completan los campos de HCE y pedirles que completen los registros de acuerdo con pautas específicas?

A: AI proporciona una función de ayuda en tiempo real, que ofrece asistencia pertinente a un escenario clínico en el punto de entrada de datos. Esta función de ayuda es un algoritmo basado en las pautas de las organizaciones de proveedores, estatales y nacionales. Si no se registran los datos correctos y / o completos, AI destacará cualquier deficiencia en la etapa previa al envío y le pedirá al proveedor que lo rectifique.

P: ¿Cuáles son los resultados y el tiempo ahorrado que los proveedores de atención médica pueden experimentar mediante la implementación de análisis de datos?

A: La implementación de inteligencia artificial en todo el proceso de gestión del ciclo de ingresos y reclamaciones acelera en última instancia los pagos de los pagadores (a los proveedores), reduce las denegaciones y reduce el costo y el tiempo de administración. El impacto posterior incluye un reproceso reducido, una codificación más precisa, una calificación de calidad más alta y un reembolso optimizado.

El esfuerzo de reelaboración necesario para mejorar la documentación clínica puede reducirse en más de un 30-40%. Esto reduce significativamente la carga sobre el personal clínico y elimina la necesidad de acceder repetidamente al archivo del paciente para asegurar el reembolso.

Aprovechar el análisis de datos sobre patrones de pago, tipos de lesiones, integridad de la documentación médica y tendencias de denegación ofrece una visión profunda de las técnicas de reembolso del pagador. Esto puede mejorar la integridad de los ingresos, la calidad de la documentación y el cumplimiento. Los algoritmos específicos ricos en datos guían a los proveedores sobre las técnicas para mejorar la velocidad de pago.

Gorjeo: @SiwickiHealthIT
Envíe un correo electrónico al escritor: [email protected]
Healthcare IT News es una publicación de HIMSS Media.

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.