11月/ 12月2018

技术趋势:人工智能vs真智能——高管层、HIT和RCM需要从他那里重新学习什么
戴尔·基维，MBA
郑重声明
第三十卷第十页

随着人工智能(AI)工具充斥市场，医生的效率和文件清晰度已经被牺牲，以换取电子病历大数据输入和旨在提示收入周期触发的工作流程。由于耗时的文档创建工作流程而导致的记录不足，或者过度使用复制粘贴和通用内容生成工具而导致的“记录膨胀”，目前有太多的记录没有提供明确的具体情况细节，无法实现最佳的患者护理，更不用说准确的报销了。

今年早些时候，卫生与人类服务部和医疗保险与医疗补助服务中心在华盛顿特区举办了一次研讨会，讨论这一日益严重的问题。会议被宣传为减少临床负担的公开会议，重点讨论了《21世纪治愈法案》第4001条，该法案要求帮助医生和医院解决日益严重的文件超载问题。

威斯康星大学(University of Wisconsin)和美国医学协会(American Medical Association) 2017年9月的一项研究强调了这些担忧，该研究指出，医生每天平均工作11.4小时，其中5.9小时直接与他们的电子病历打交道。这种数据驱动的工作负载的负面影响已经在许多文章中定性地阐述过，包括一篇文章纽约时报杂志题为《科技如何将医生变成文职人员》的社论。

尽管在创建和处理医疗记录方面，技术和人力之间总是存在平衡，但很少有人努力量化自动化对质量的影响。也没有人努力量化人工智能工具的完整财务影响，这些工具通常通过专注于有限流程步骤的消除劳动力的要点来证明成本是合理的。

定义问题
AHIMA关于文档质量的标准同样适用于通过传统(听写/转录)和完全以医生为中心的方法(前端语音、自我类型和/或点击)以及两者的某种组合(部分听写)生成的报告。

两项独立的同行评议研究分析了以医生为中心的工作流程对质量的影响，两者都反映了相似的结果。“医生口述的错误率:质量保证和病历制作”发表于JAMA网络开放2014年11月，《语音识别软件和专业转录员辅助下的临床口述文件错误分析》发表于美国医学会杂志2018年7月。两者都表明，当转录员或语音识别编辑参与时，签名文件的错误率为0.3%。没有他们，平均错误率超过7%就会被推入电子病历。

尽管前端语音供应商吹嘘人工智能的改进，例如在文档创建过程中识别出性别或其他患者参考资料不一致时发出警告，但大多数以医生为中心的工作流程错误的原因是“时间”，特别是在签名之前同时口述、阅读和编辑文档所需的时间，这可能导致医生在电子签名之前没有对自己的工作进行验证。

从从头到尾口述笔记，然后再检查完整的文档，到同时说话、阅读和编辑，同时与结构化用户界面交互，这种思维过程的变化可以改变医生提供的内容。

除了医生的个人经济损失之外，真正的损失来自于文档/收入周期流程前端生成的简短、臃肿或错误的患者就诊细节。据报告，在某些专业，由于花在计算机而不是患者身上的时间增加(这也影响到医疗保健组织的每个提供者的总收入潜力)，医生每年损失高达10万美元。

由于医生忙于数据录入任务，时间紧迫，因此，以大数据内容捕获和专注于收入周期触发器的工作流程为代价，无法全面了解治疗细节，以支持正在进行的护理。这种转变的一个显而易见的问题是，失去的病人遇到的细微差别直接影响到护理质量、下游编码工作，并最终影响到每次索赔的合理账单金额。

供应商可能会争辩说，临床文件改进(CDI)或笔记阅读器程序是确保内容完整性的安全背景，但这些程序的设计是为了猜测医生来填补空白，并推动更多的账单，这可能导致更新编码，例如今年8月在华盛顿州伦顿市的普罗维登斯健康中心发现的1.881亿美元的超额收费。

这些不间断的提示还会导致通知疲劳，随后需要增加培训和额外的HIM支持工作来解决问题，而前端更自然的内容可以最大限度地减少这些问题，并恢复更丰富的细节，从而对患者护理和合理收入产生积极影响。

我们是如何来到这里的
经过认证的电子病历从根本上将文档创建过程从某种形式的自由叙述工作(确保内容一致和全面的工作类型模板)转变为电子表格生成工具。这一国会授权的目标转变是为了展示对捕获的大数据的有意义使用，以期影响总体人口健康。这也是当医生和HIM专业人员失去了他们务实的理性声音，转而支持it设计的工作流程。

考虑到联邦EHR授权、每个提供者的补偿激励、供应商对预编程质量的保证，以及支持自动化工具的HIM劳动力减少，cfo和ceo将文档工作流方案的责任从HIM转移到CIO是不可避免的。

一旦系统安装完毕，他就被要求修复——或者被指责——任何由此产生的收入周期缺口。我们进行了广泛的测试，以确保通过EHR环境创建的文档在以传统方式处理相同的案例时能够产生相同的收入。然而，这些测试是从先前内容丰富的文档样本开始的，而不是针对测量数据需求的简短想法，医生不可避免地(并且可预测地)满足了最小化的系统期望和文档时间的增加。

然后，医生被指责没有提供足够的创收细节，技术供应商尽最大努力提供更多的自动化工具和人工智能产品。不幸的是，完全记录除一般用例以外的任何东西所需要的工作量仍然超过了早期的文档方法。

现在，当出现更复杂的病例时，医生们只能选择花更多的时间在电子病历上，或者放弃个人收入不断减少的增量增长，因为花更多的时间在键盘上可能会带来更多的时间，以换取看其他病人。

扶正船舶
不可否认，人工智能的演示可以令人敬畏。不幸的是，根据定义，它们是在具有有限变量的受控环境中进行的，特别是为了最大化它们要解决的问题的现有因素而进行的。它们不是现实生活中的日常操作。因此，目标必须是允许医生的灵活性和敏感的关切。他们知道什么对他们最有效。不断地向他们投入更多的训练和技术，不可避免地会让他们精疲力竭，走上不受欢迎但规定的道路，即使这意味着放弃更多的时间和收入。

现实情况是，我们已经通过了医生技术工具生成临床文件的饱和点。随着每增加一个结构化输入步骤或潜在的人工智能警告，医疗服务提供者都被迫想出如何与系统博弈，这样他们就可以回到病人身边。这导致正在进行的患者护理和收入周期管理(RCM)的文档质量受到影响。作为一个行业，是时候承认医生的效率会带来更丰富的内容、更好的患者护理和更高的收入结果。

为了量化人工智能的真正财务影响，HIM可以审查组织和每位医生的历史病例组合财务结果，并将这些数字与国家和地区平均水平进行比较。如果出现了负增长，或者需要更多的医生来创造与过去几年相同的总收入，那么应用的人工智能就更像是人造的而不是真实的。

为了恢复每个医生的病例复杂性和整体收入结果，重点必须与21世纪治愈法案的第4001条相同:通过解决日益严重的文件超载问题来提高患者的护理质量。

有意义用药和每位医生奖励的时代已经结束。现在是时候在文件创建点上最大限度地提高医生的效率，以确保持续的患者护理的最佳清晰度和合理的收入。人工智能工具应该专注于支持编码和CDI下的RCM工作，它们可以改善详细的费用捕获，特别是当像原始EHR并行跟踪RCM测试一样，该过程从前端的准确文档输入开始时。

确保问责
当首次授权认证电子病历时，临床文档创建的监督从HIM重新分配给CIO。然而，现在尘埃落定了，对每次遭遇收入造成的损害使许多组织认为RCM高管将不得不清理混乱并纠正这艘船。

然而，这种方法的问题在于，当需要修复的问题发生在工作流的前端时，RCM团队从关键性能指标结果向后工作。遵循AHIMA临床文件标准的传统质量评估可以解决这个问题，无论文件生成方beplay最新备用网站法如何，该标准都同样适用。尽管这将只识别当前文档创建工作流下产生的问题(与识别所有可能缺失的问题相反)，但它提供了组织过程输出的质量衡量标准。

任何认为由于前端语音人工智能的改进，转录将或应该消失的供应商都是基于他们对自己的技术有多自豪，而不是考虑到医生的时间和被推到下游的错误数量。虽然医生的相对时间和错误量各不相同，但组织可以很好地检查文档创建过程前端的质量，以及医生和专业在后端编码和CDI工作的附加成本。当更复杂病例的文档细节被稀释的影响再加上医生人均收入的减少时，在整个组织中平等地强制使用人工智能解决方案的真实成本可能不值得。

语音识别和人工智能在许多情况下都能很好地工作，并将随着技术的进步而不断改进。然而，准确和高效地捕捉完整健康故事的最有效方法将继续因个体提供者、其专业和所使用的特定技术产品而异。忽视人工智能工具在帮助和伤害方面的差距在财务上是不负责任的。

真正的智慧是知道何时何地使用自己掌握的工具。试图通过事后编码和CDI提示来解决糟糕的文档创建是落后的、昂贵的和无效的。就好像这个行业忘记了从六西格玛和精益中学到的一切。现在是时候按供应商和专业来记录所有供应商的人工智能的真实成本了。这些都是高管们做出明智商业决策所需要的数据。提高医生的效率，商业运作也会如此。

——戴尔·基维，MBA, FutureNet业务发展副总裁。