2月2019

数据分析:大数据解决收入周期缺陷
马特·西菲尔德著
郑重声明
第三十一卷第二页

大数据正在以多种方式改变临床结果——从提取被困在非结构化电子病历字段中的信息到破译人口健康趋势——帮助供应商提高定性医疗的水平。

但我们才刚刚开始发掘大数据或分析在收入周期管理(RCM)方面的潜力。在过去的几年里，人工智能(AI)和机器学习等术语已经进入了我们的词汇表，我们不断学习高级算法的新功能，以处理原始数据，将其转化为可操作的见解，并自动化工作流程。

在卫生系统面临多重运营挑战的情况下，大数据方面的这些进步来得正是时候。其中两个较大的挑战是在多个IT系统中组织大量数据，并隔离收入周期中导致收款成本增加和现金流减少的根源问题。

在这方面，正确的医疗保健数据分析解决方案可以提供帮助，为保险索赔添加上下文，帮助计费人员监控关键绩效指标，并向提供商团队显示他们遇到的困难(通常在他们意识到之前)。

在这里，我们将进一步了解分析是如何发展以满足RCM需求的。

分析满足收益周期
就在10年前，依靠预测分析来获得报酬的想法几乎是闻所未闻的，尽管因为它不像今天那么重要。在收入周期中，高级商业智能市场并不是必需的。生活是美好的。

然而，在2007年到2010年之间，数据仓库和可视化公司开始发布可以处理和分析数据以生成结构化模式或“趋势”的软件。唯一的问题是，最终用户——医疗保健组织——一旦掌握了信息，并不总是知道要查找什么信息。

然后，随着向基于价值的医疗的转变势头增强，医疗集团被激励采用昂贵的电子病历，医疗服务提供者开始从每一笔未支付的索赔中感到口袋里的燃烧。如今，医疗保健组织负担不起让专门的计费人员任意处理索赔。他们需要实时的情报和洞察力，他们可以使用这些来自动化和简化工作流程，并快速做出明智的业务决策。

因此，对现代分析解决方案的需求——高度复杂的算法可以破译数据并提出建议——已经成为当务之急。

获得洞察力并推动新的行为
虽然分析技术总体上有所进步，但并非所有预测分析工具都是相同的。这是有道理的，因为临床见解有助于对患者进行定性护理，而财务见解则推动运营。

在改善收入周期方面，理想的大数据解决方案配备了提供自动化工作流管理的机器学习算法。此功能允许提供商在处理多个变量或决定因素(例如，保险公司为特定类型的索赔支付的平均金额、事先授权等)时，根据请求深入了解其绩效指标，例如“A/R的平均天数”或“首次通过解决率”，以指导员工工作流程。

分析允许用户访问各种重要数据。例如，医疗保健机构可以了解到，在接受选择性手术的所有患者中，有20%在接受手术后90天内没有支付结余。有了这些现成的信息，他们就可以调查这种实践趋势背后的“原因”。病人在入院时是否一直被告知他们的付款责任?他们收到的账单是否以他们喜欢的方式轻松支付(例如，通过门户网站电子支付)?是否存在发送电子信息会得到更多回复的时间和日期(这些信息是否可以用于组织的优势)?

最终，如果一个组织弄清楚是什么引发了90天的滞后，它就能更好地做出改变，从而对结果产生积极的影响。

我们经常听到忙碌的高管和管理人员说，他们没有时间过滤分析仪表板并获得可操作的见解。因此，医疗保健顾问或供应商合作伙伴可以提供有关如何使数据发挥作用的指导，这是一笔有价值的资产。医疗团队可以整天盯着仪表板上的红线，但拥有适当“深入挖掘”数据的专业知识——找出导致负面财务结果的原因，并执行行动计划来补救——可以节省团队的时间和金钱。

人工智能驱动的工作流自动化工具也可以推动人员配置层面的变革。我们的记账员(我们称她为Sally)没有开始工作，打印一堆电子表格，并试图找出该做什么，而是登录到她的电脑上，并通过一系列提示被告知，这些提示声称第一、第二、第三，等等。

因此，Sally的工作流程更有效率，对组织更有利。她一开始可能会讨厌这种工作流程——毕竟，这是一种与她所习惯的工作流程截然不同的工作流程——但从长远来看，供应商组织中的莎莉们通常会逐渐欣赏这种结构，因为它可以帮助他们更好地完成工作。

与此同时，行政主管也能从中受益，了解哪些记账人员在有效地处理索赔，哪些在苦苦挣扎。当然，拥有这样的可见性可能会引发一些难题，比如医疗保健集团的内部计费人员是否提供高质量、高成本效益的服务，或者外包是否是更好的选择。

许多组织已经选择了后一条道路。根据一项预测，RCM外包市场即将飙升，其估值将从2017年的117亿美元上升到2023年底的230亿美元。

前进
商业智能不再是奢侈品。事实上，它已经成为一种必需品。医疗保健行业越早利用工具挖掘其大量数据，并利用这些信息简化操作，组织在未来几年的可持续性就越强。

随着行业深入到基于价值的护理，很明显，医疗保健组织必须采取更多措施来提高效率。在医院中，保险后的患者余额从2012年第一季度占总账单责任的8%上升到2017年第一季度的12.2%，在医疗实践中没有任何放缓的迹象。

毫无疑问，大数据和人工智能将继续发展，并为收入周期提供更细致的见解。但这将在多大程度上推动医疗实践的采用，将取决于市场上的分析解决方案能否真正证明其价值。

在2019年和2020年，优化将是关键。洞察必须能够推动真正的、有意义的变革，并帮助组织获取和保护尽可能多的资金。

Matt Seefeld是MedEvolve的执行副总裁。