高度なアナリティクスによる電子事前承認の近代化

電子事前承認の義務化とバリュー・ベースド・ケア(VBC)の取り決めによる償還パターンの進化により、医療保険制度が会員のためにサービスを承認する方法が変化している。 患者の転帰を改善し、事前承認にまつわる増大する管理上の問題を回避し、ビジネスに有意義なROIをもたらすような、増え続けるユースケースでデータを活用する絶好の機会が存在する。

拡大する事前承認の問題

Prior Authorizationは、処置、処方、耐久性医療機器（DME）などの医療サービスの適切な利用を確保するために、医療保険制度によって実施されるプログラムである。 これらのプログラムは、患者のために質の高い結果を維持しながら、不必要なサービスを減らすように設計されている。 質の高い患者の転帰を確保しながらサービスを制限するバランスは、データ& AIを使用しなければ測定が難しい。

この課題をさらに深刻にしているのは、医療エコシステム全体において、支払者と医療提供者が事前承認を業務上の問題として捉えていることである。 2022年だけでも取引量は61％増加し、煩雑な手作業による審査プロセスによって毎年数億ドルが消費されている。 メディケア・アドバンテージのような事前承認を必要とするプランの加入者が増え続け、年間2桁の伸びを 記録して いる間は、 規制 当局の熱狂的な 取り組みにも かかわらず、少なくともこの問題が自力で解決することはないだろう。

PA業務における高度なアナリティクスとAI/MLの潜在的ROI

拡大する事前承認の問題に先手を打つには、医療保険制度は事前承認業務を最適化する創造的な方法を導入しなければならない。 幸いなことに、インテーク、レビュー、承認全体にわたる高度なアナリティクスとAI/MLの実証済みのユースケースがいくつかあり、痛みを軽減し、ビジネスに説得力のあるROIをもたらすのに役立つ。

インテークのための光学式文字認識（OCR）：事前承認の電子化が進んでいるにもかかわらず、ほとんどの事前承認はファックスや電子メールで手作業で提出されている。 残念ながら、すべてのプロバイダーが一夜にして完全に電子化されたワークフローに移行することは期待できないので、医療保険制度は、手動提出を電子提出に変換するためにOCRを使用することによって、まだ利益を得ることができます。 適切にチューニングされたモデルは、手作業によるインテークの労力を最大72％削減できる¹。

管理レビューのための大規模言語モデル（LLM）：LLMは、一般的に会員特典を表す膨大で構造化されていないデータをふるいにかけることに優れています。 今日、医療保険制度は手作業による給付金審査のプロセスに依存しているが、LLMの労働力増強能力によって大幅に削減することができる。 プロンプト・エンジニアリングへの適切なアプローチにより、LLMは管理給付審査業務を増やすことができる。

自動承認のための予測モデル：医療必要性の審査は、事前承認プロセスの中で最も費用のかかるステップであることが多い。 幸いなことに、これは予測モデルを適用するのに最適なユースケースでもある。 何年にもわたる過去の判定データを社内で利用できるため、医療必要性の審査を支援する予測モデルを迅速かつ正確にトレーニングすることができる。 適切に調整されたモデルでは、医療必要性の審査にかかる労力を最大80％削減することができる²。

バリュー・ベースド・ケアの連携：医療保険制度は、患者のための一貫した質の高いアウトカムを提供するプロバイダーに報酬を与えるように設計されたプログラムを実施し、さらに医療費に関する財政的な合弁事業にも関与する（例えば、次のようなものである）。 狭いネットワーク）。 VBCと利用プログラムにまたがるデータを統一することで、医療必要性のレビューに優先順位をつけ、業績の高い医師のネットワークに必要な労力を削減することができます。

ヘルスプランはAIによる事前承認にどう備えるか

アナリティクスによる事前承認業務の近代化を成功させるためには、医療保険制度はビジネスとITの利害関係者の間で取り組みを調整する必要がある。 そのためには、新たなテクノロジー機能がどのように既存のPAワークフローを変革し、真のROIをもたらすかを効果的に示す、より広範な事前承認のビジョンを伝える必要がある。 戦術的には、ヘルスプランは以下の行動を通じてAI主導の事前承認への道を歩み始めることができる：

1. 構造化データと非構造化データ、バッチとストリーミング、無制限のスケールをサポートし、自動意思決定を推進するために運用可能なクラス最高のAIをサポートする、アナリティクス・インフラストラクチャの適切な基盤を構築するテクノロジーを選択する。
2. この分野を理解し、AIユースケースの市場投入までの時間を短縮するアクセラレーターを提供するベンダーやパートナーを特定する。
3. 優先承認データを含むデータ製品の構築に投資することで、業務の現状やペインポイントの可視性と透明性を高めることができます。
4. 概念実証を構築し、ステークホルダーとビジネスに適したアナリティクスのユースケースを選択します。
5. ガバメントされたデータとAI機能、自動化されたモニタリングにより、検証されたコンセプトを大規模に展開する。

DatabricksとZSは提携し、医療保険プランに必要なテクノロジー・プラットフォーム機能と専門知識をバンドルしている。 利用管理プログラムのパフォーマンスと運用ワークフローを監視するための分析ユースケースは、効率化を推進するAI/MLモデルとともに、単一のプラットフォーム上に簡単に実装することができる。

次のステージへ

CMS（Centers for Medicare& Medicaid Services：メディケア・メディケイド・サービスセンター）は、APIを使用してPAトランザクションを交換する義務を導入することで、PAの自動化に向けた第一歩を踏み出した。 現実には、既存の手作業プロセスを単純にリフト・アンド・シフトするだけでは、意味のある改善にはつながらない。事前承認の業務負担が増大する中、医療保険制度は現状に甘んじるわけにはいかない。

事前承認業務に高度なアナリティクスやAIを導入することは負担に感じるかもしれないが、プランは今日、適切なインフラを確立することで利益を得ることができる。 すべてのステップは、段階的な価値を提供し、プランが進化するビジネスおよび規制環境において機敏であり続けることを支援するものでなければならない。

Databricks& ZSは、顧客が前述の課題に対処し、データ& アナリティクスによって優先承認ワークフローを変革するのを支援するために提携した。

まずはお問い合わせください。

¹ https://www.caqh.org/sites/default/files/2022-caqh-index-report%20FINAL%20SPREAD%20VERSION.pdf

² https://www.caqh.org/sites/default/files/2022-caqh-index-report%20FINAL%20SPREAD%20VERSION .pdf