チャールズ・ウォン氏はHeadwayのプロダクトリーダーであり、ヘルスケアAIにおける大規模イニシアチブを主導している。
ヘルスケア業界の幹部にAIが今日の業界に何をもたらしているかを尋ねると、おそらく見出しを飾るようなユースケースを耳にするだろう：創薬、パーソナライズされたプライマリケア、チャットボットによるトリアージ、AI活用型セラピーなど。投資家の熱意を引き出し、メディアの話題を生み出す例には事欠かない。しかし、それらはヘルスケアにおける最も高コストな管理上の失敗の一つである請求処理にはほとんど触れていない。
米国のヘルスケアシステムは、データエラーに関連する請求関連のオーバーヘッドに年間約2000億ドルを費やしており、その最大90%が人的労力によるものだ。医療提供者はその負担の大部分を背負っており、誤った支払いはすべて、スタッフの燃え尽き症候群からコンプライアンス上のリスク、患者の否定的な体験に至るまで、下流のコストを伴う。
AI駆動型の請求処理への投資は加速している—人間の査定者よりも正確に請求を裁定することを約束するソリューションが主導している。しかし、これらのソリューションの有効性は、それらが立脚するデータインフラの品質によって制限されたままだ。AIがレベニューサイクルマネジメント（RCM）に何ができるかを問う前に、医療保険プランのリーダーたちは自らのインプットを見直す必要がある：データシステムの状態、データ構造の均一性、そしてデータインフラの整合性を規定するガバナンスポリシーだ。
ヘルスケアのデータ問題
ヘルスケア業界全体で、データインフラは依然として混沌とした状態が続いている。
医療保険プランと医療提供者間のデータ環境は統合が不十分で、数十のレガシーシステムやソフトウェアベンダーに分断されている。これは、AIの話が出る遥か前から、技術的に先進的なソリューションを実装する上で悪名高い慢性的な問題だった。
断片化はさておき、解釈可能性も大きな課題であり、デジタルデータの80%以上が非構造化形式で保存されている。これらのギャップが組み合わさり、請求処理エラーに定期的に寄与し、メディケアとメディケイドだけでも年間1000億ドル以上の不適切な支払いにつながっている。さらに悪いことに、拒否された請求のうち、再提出されるのは3分の1のみであり、多くの場合、スタッフが修正が有効になるという確信を持てないためだ。これらの非効率性は、コスト増加に加えて、医療の遅延やスタッフの負担増加につながる可能性がある。
基本的な再構築への投資
RCMに関しては、ほとんどの医療保険プランは白紙の状態から始める贅沢を持っていない。彼らは通常、長年にわたる自社開発ツールとレガシーデータで運営している。その歴史は、請求管理のためのAIソリューションの実装を妨げるものではないが、何が最初に来るべきかの条件を設定する。
意図的で実用的なデータ準備への投資は、特に請求処理においては、あらゆるAIイニシアチブをリードすべきだ。実際には、医療保険プランは以下に焦点を当てるべきである：
• スキーマレベルの整合性：最も頻繁に（そして高コストな）エラーの多くは、NPI、専門分野、あるいは名前や住所などの主要な識別子がシステム間で一致しない場合に発生する。早期にデータ検証ツールに投資し、これらのツールがより広範囲のシステムで実行できるようにするデータコネクタにも投資すること。
• データ階層の確立：下流の失敗のほとんどは上流の曖昧さから始まる。競合が発生した場合に、どのシステムが「真実の源」として「勝つ」かを決定することで、各データフィールドセットの明確な所有権を確立する。不一致がどのように解決されるかのルールを設定し、それらの決定が運用にフィードバックされてループを閉じるようにする。
• 信頼性の高い意味的統合：エコシステムの一部で行われた更新が、他の十数カ所で手動で複製される必要があってはならない。コンテキストと意味を保持しながら、システム間でデータを変換し正規化するコネクタやミドルウェアに投資する。
データ整合性にべき乗則を適用する
多くの医療保険プランのリーダーは高品質データの価値を理解しているが、網羅的で収益性の低いクリーンアップ作業に閉じ込められてしまう。代わりに、80/20の法則を適用し、最も管理上の無駄を生み出すフィールドとフォーマットに絞って焦点を当てよう。
これらは組織によって異なる場合があるが、いくつかの高インパクトなターゲットが研究（Experianの請求状況レポートなど）で一貫して浮上している：
• 医療提供者の住所の不一致はネットワーク適切性評価、ルーティングロジック、請求における管轄検証を混乱させる。処理の遅延に加えて、ネットワーク適切性ルールが満たされない場合、これらのエラーはコンプライアンスを危険にさらす。
• 専門分野の誤分類は、特に行動健康分野において、タイムリーなケアが患者の転帰における重要な要因である場合、事前承認の失敗や紹介の拒否につながる。
• 古いディレクトリは患者を誤解させ、スケジューリングエラーを引き起こし、予約の欠席や不十分なケア移行に寄与する可能性がある。
• 資格認定の不一致はオンボーディングを遅らせ、不一致が監査で指摘された場合に請求を遡及的に無効にする。
これらのデータ問題を修正することで、AIイニシアチブが確実に構築できる方法で請求プロセスから摩擦を取り除く。
インフラから始める
RCMに対するAIの刺激的な約束を実現するために、リーダーはシステムの正直な監査から始めるべきだ。今日のデータフローを段階的に見て、ギャップを特定しよう。例えば：
• 誰があなたの医療提供者と施設のデータを所有し、最終的な真実の源はどこにあるのか？
• 更新はどのように伝播され、どれくらい迅速に行われるのか？
• スタッフが手動で介入したりエラーを修正したりする場合、それらの修正はシステム間でどのように調整されるのか？
このような質問をすることで、統合のギャップとインフラ修正の優先事項をマッピングできる。
医療提供者データは特別な注意に値する。それはヘルスケアにおいて最もエラーが発生しやすく、運用上重要なデータドメインであり、資格認定、請求裁定、患者アクセス、紹介ロジック、規制報告を推進している。しかし、CAQHによると、医療保険プランは不正確または古い医療提供者記録に対処するために年間推定27億6000万ドルを費やしている。わずかな改善でも、支払者と患者の両方にメリットがあり、下流のエラーを劇的に減らすことができる。そして、軽微な不一致で請求が拒否されなくなった場合のモラルブーストとコスト削減は言うまでもない。
結論
請求処理のためのAIへの投資が曖昧な結果をもたらしている場合、根本原因はほぼ確実に上流にある。
良いニュースは、これらの長年のギャップを修正するためのツールが改善されており、規制のモメンタムがあなたの味方だということだ。CMSはすでに医療提供者ディレクトリの正確性とデータ相互運用性に関する指令を示しており、HHSのAI戦略は支払者インフラの近代化を国家的優先事項として挙げている。
医療保険プランのリーダーにとって、この瞬間は将来のAIイニシアチブが依存する堅固な基盤を構築し、それによってシステムがあるべき姿で動作するよう支援する機会である。
要点：データを修正すれば、残り（節約、効率性、改善された体験）はついてくる。
Forbes Technology Councilは世界クラスのCIO、CTO、テクノロジーエグゼクティブのための招待制コミュニティです。私は資格がありますか？
