Automated Charge Capture: Mengapa Dokter Kehilangan 30% Pendapatan Begitu Saja

Sebuah studi MGMA tahun 2022 memperkirakan bahwa rata-rata praktik multi-spesialisasi kehilangan antara $60.000 hingga $125.000 per dokter setiap tahunnya akibat tagihan yang terlewat. Ini adalah layanan yang telah diberikan, didokumentasikan di suatu tempat dalam catatan klinis, tetapi tidak pernah diterjemahkan menjadi klaim yang dapat ditagihkan. Untuk kelompok praktik dengan 10 dokter, itu berarti $600.000 hingga $1,25 juta pendapatan yang menguap begitu saja karena celah alur kerja antara ruang periksa dan departemen penagihan.

Di Mana Tagihan Hilang

Kebocoran tagihan terjadi di beberapa titik yang dapat diprediksi. Yang paling umum adalah selama kunjungan rawat inap, di mana seorang hospitalis memeriksa 15 hingga 20 pasien per hari dan mungkin tidak mengirimkan tiket tagihan untuk semua kunjungan hingga akhir hari, atau terkadang akhir minggu. Pada saat itu, beberapa kunjungan sudah terlupakan sepenuhnya.

Prosedur yang dilakukan selama kunjungan kantor adalah sumber utama lain dari tagihan yang hilang. Seorang dokter keluarga mengangkat lesi kulit selama kunjungan yang dijadwalkan sebagai kunjungan rutin. Kunjungan kantor ditagihkan, tetapi pengangkatan lesi, yang mungkin bernilai $150 hingga $300 tergantung pada metode dan lokasinya, tidak pernah masuk ke tiket tagihan karena dokter fokus pada dokumentasi keluhan utama.

Waktu perawatan kritis secara kronis kurang tercatat. Ketika seorang intensivis menghabiskan 45 menit menangani gagal napas akut pasien, kode perawatan kritis berbasis waktu (99291, 99292) memerlukan dokumentasi spesifik tentang total waktu yang dihabiskan. Tanpa sistem untuk melacak dan meminta dokumentasi ini, banyak kunjungan perawatan kritis ditagihkan sebagai kunjungan rawat inap standar dengan tarif yang jauh lebih rendah.

Layanan tambahan yang dilakukan oleh perawat atau staf pendukung sering kali terlewat sepenuhnya. Suntikan, perawatan luka, pemasangan bidai, EKG, dan terapi pernapasan semuanya memiliki kode yang dapat ditagihkan, tetapi jika staf yang melakukan tidak menginisiasi tagihan, layanan tersebut tidak tertagihkan.

Bagaimana AI Charge Capture Bekerja

Sistem charge capture berbasis AI memantau dokumentasi klinis secara real time dan membandingkannya dengan definisi layanan yang dapat ditagihkan. Ketika seorang dokter mendokumentasikan prosedur dalam catatannya, sistem menandainya sebagai potensi tagihan dan memeriksa apakah entri penagihan yang sesuai sudah ada. Jika prosedur didokumentasikan tetapi tidak ada tagihan yang tercatat, sistem memberi peringatan kepada tim penagihan atau langsung kepada dokter.

Teknologi ini bekerja dengan mengurai catatan klinis menggunakan pemrosesan bahasa alami. Ketika sistem membaca bahwa seorang dokter melakukan punch biopsy pada lesi mencurigakan di lengan bawah kiri, sistem memetakannya ke kode CPT yang sesuai (11104 atau 11105), memeriksa kunjungan pasien untuk tagihan yang cocok, dan menandai celah jika tidak ada.

Sistem yang lebih canggih melampaui pencocokan kata kunci sederhana. Mereka memahami konteks klinis dengan cukup baik untuk mengidentifikasi layanan yang dapat ditagihkan yang tersirat tetapi tidak dinyatakan secara eksplisit. Jika sebuah catatan menjelaskan penyesuaian pengaturan ventilator, peninjauan hasil ABG, dan koordinasi dengan pulmonologi selama periode 50 menit untuk pasien yang sakit kritis, sistem mengenali ini sebagai waktu perawatan kritis meskipun dokter tidak melabelinya demikian.

Angka Dampak di Dunia Nyata

Sebuah kelompok ortopedi besar di Colorado menerapkan AI charge capture di seluruh praktik mereka yang terdiri dari 22 penyedia layanan. Pada kuartal pertama, sistem mengidentifikasi $340.000 dalam tagihan yang seharusnya terlewat. Kategori teratas adalah layanan pemasangan gips dan bidai yang dilakukan oleh asisten medis (tidak pernah ditagihkan), panduan fluoroskopi selama injeksi (didokumentasikan tetapi tidak ditagihkan secara terpisah), dan pemasangan DME yang dilakukan di kantor (terlewat dalam proses entri tagihan).

Sistem ini mengembalikan investasinya dalam bulan pertama. Selama 12 bulan, praktik tersebut memulihkan tambahan $1,1 juta pendapatan yang sebelumnya hilang akibat celah charge capture.

Sebuah kelompok hospitalis yang menangani 200 pasien sensus harian menemukan bahwa charge capture berbantuan AI meningkatkan pendapatan per kunjungan mereka rata-rata sebesar 8,5%. Keuntungan terbesar berasal dari dokumentasi waktu perawatan kritis dan pencatatan kunjungan rumah sakit lanjutan yang terlewat ketika dokter mengunjungi pasien di berbagai unit.

Integrasi dengan Alur Kerja Klinis

Sistem charge capture yang paling efektif terintegrasi langsung dengan EHR daripada beroperasi sebagai lapisan terpisah yang harus diinteraksikan oleh dokter. Ketika charge capture memerlukan langkah tambahan atau aplikasi terpisah, adopsi menurun dengan cepat. Dokter sudah menghadapi beban dokumentasi yang signifikan, dan menambahkan tugas lain akan diprioritaskan belakangan.

Implementasi terbaik menampilkan peringatan charge capture dalam alur kerja normal dokter. Notifikasi mungkin muncul di akhir peninjauan catatan: "Punch biopsy didokumentasikan tetapi tidak ditemukan tagihan prosedur. Tambahkan tagihan?" Dokter mengetuk sekali untuk mengonfirmasi, dan tagihan mengalir ke antrean penagihan. Alat AI untuk layanan kesehatan yang tertanam dalam alur kerja yang sudah ada daripada membuat alur kerja paralel secara konsisten menunjukkan tingkat pencatatan yang lebih tinggi.

Mobile charge capture untuk dokter yang melakukan kunjungan juga telah meningkat secara signifikan. Alih-alih membawa tiket tagihan kertas atau mengingat untuk masuk ke sistem penagihan di akhir hari, hospitalis dapat mengonfirmasi tagihan di ponsel mereka segera setelah setiap kunjungan. Pencatatan real-time menghilangkan masalah ingatan di akhir hari yang menjadi penyebab utama kebocoran tagihan rawat inap.

Pertimbangan Kepatuhan

Otomatisasi charge capture menimbulkan pertanyaan kepatuhan yang sah: Apakah sistem ini mendorong upcoding? Jawabannya tergantung pada implementasi. Sistem yang dirancang dengan baik menandai layanan yang didokumentasikan dan dilakukan tetapi tidak ditagihkan. Mereka memulihkan tagihan yang sah, bukan menciptakan tagihan baru.

Perlindungan kepatuhan adalah bahwa setiap tagihan yang ditandai terhubung kembali ke dokumentasi klinis spesifik. Jika dokumentasi tidak mendukung tagihan, tagihan tersebut tidak boleh diajukan. Sebagian besar sistem menyertakan langkah peninjauan di mana seorang koder atau dokter mengonfirmasi tagihan yang ditandai terhadap dokumentasi sebelum masuk ke antrean penagihan.

Sebenarnya, charge capture yang lebih kuat sering kali meningkatkan kepatuhan dengan menciptakan konsistensi antara dokumentasi dan penagihan. Ketika tagihan dicatat secara ad hoc berdasarkan ingatan dokter, ketidaksesuaian antara apa yang didokumentasikan dan apa yang ditagihkan menciptakan risiko audit. Pencatatan sistematis dari dokumentasi memastikan keselarasan.

Memulai

Praktik yang mengeksplorasi automated charge capture sebaiknya memulai dengan audit charge capture. Tarik tiga bulan dokumentasi klinis dan bandingkan dengan tagihan yang diajukan. Cari secara spesifik prosedur yang didokumentasikan dalam catatan tetapi tidak memiliki entri tagihan yang sesuai. Sebagian besar praktik menemukan celahnya lebih besar dari yang mereka perkirakan, yang membuat perhitungan ROI untuk otomatisasi menjadi mudah.

Praktik yang paling diuntungkan cenderung adalah yang memiliki volume prosedural tinggi, layanan rawat inap atau hospitalis, dan operasi multi-lokasi di mana tiket tagihan bisa hilang dalam perjalanan. Tetapi bahkan praktik perawatan primer yang sederhana biasanya menemukan 5% hingga 10% layanan yang dapat ditagihkan tidak tercatat, yang jika dijumlahkan menjadi pendapatan yang signifikan selama setahun.