12%的拒赔率听起来似乎可以接受，直到你算一笔账。对于一家年账单金额为500万美元的中型诊所来说，这意味着60万美元的索赔被退回，每一笔都需要工作人员花时间重新处理、重新提交和跟进。真正的成本不仅仅是被拒绝的金额，还有每笔重新处理的索赔所需的15到25分钟的人工时间，乘以数千笔提交量。
拒赔究竟从何而来
Advisory Board追踪了数百家医院的拒赔原因，其分布出奇地一致。大约27%的拒赔源于登记和资格问题，即在提供服务之前未正确核实患者的保险覆盖范围。另有19%来自缺失或无效的索赔数据，例如错误的修饰符代码、诊断与手术配对不匹配或人口统计字段不完整。授权相关的拒赔约占12%，医疗必要性拒赔约占10%。
值得注意的是，其中绝大多数——约60%到70%——是可以预防的。这些并非关于治疗是否合理的争议，而是文书问题、数据录入疏漏。如果有人有时间再检查一遍，这些问题本可以被发现。
AI索赔审查的工作原理
基于AI的索赔审查位于您的EHR或诊所管理系统与清算中心之间。在索赔提交之前，系统会对其进行一系列检查，远超传统基于规则的审查工具所能处理的范围。
传统审查工具检查的是明显错误：NPI是否有效？CPT代码是否存在？服务日期是否在合理范围内？AI审查工具不仅完成所有这些检查，还会分析模式。它们从您诊所的具体拒赔历史中学习，并标记与之前被拒索赔特征相匹配的索赔。
例如，假设您的诊所在向某个特定付款方提交CPT 99214搭配ICD-10代码M54.5的账单时经常被拒。基于规则的审查工具不会标记这种情况，因为从技术上讲两个代码都是有效的。而AI系统在观察到30到40次拒赔后会注意到这一模式，并在提交前开始标记类似索赔以供审查。
改善背后的数据
Olive AI发布了覆盖900多家医院实施案例的数据，显示拒赔预防率在前六个月内提高了30%到50%。专注于收入周期AI的AKASA报告称，其客户的首次索赔通过率超过96%，而此前的典型基线约为88%。
美国中西部一家拥有12家诊所的社区卫生系统在HFMA年度会议上分享了他们的经验。在实施AI辅助索赔审查后的八个月内，他们的拒赔率从11.8%降至3.6%。关键因素是在索赔提交前发现资格核实漏洞，以及识别编码人员一直遗漏的手术索赔修饰符错误。
财务影响非常显著。他们估计第一年收回了120万美元的收入，这不是通过追收旧的拒赔款项，而是通过预防新的拒赔实现的。之前将60%时间用于拒赔跟进的工作人员被重新分配到患者财务咨询和付款计划设置工作中。
AI实际捕获的问题
影响最大的捕获通常分为几类。首先是付款方特定的编码偏好。Medicare可能接受某种诊断-手术组合，但Blue Cross在您所在地区却一直拒绝。AI会学习这些付款方特有的规则差异。
其次是文档缺口。当一笔4级E/M就诊索赔提交出去，但相关病历记录不支持该复杂程度时，AI会标记这种不匹配。这不仅仅是检查代码是否有效，而是检查代码所讲述的故事是否与文档所讲述的故事一致。
第三是授权时效。如果已获得事先授权，但服务日期超出了授权窗口期，AI会在索赔发出前捕获这一问题。仅此一项就可以为手术量较大的诊所预防3%到5%的拒赔。
第四是保险协调问题。当患者拥有多个保险计划时，弄错主要和次要付款方的顺序必然导致拒赔。AI会交叉比对资格数据，标记潜在的保险协调问题。
实施的现实情况
从12%的拒赔率降到4%以下不会一蹴而就，也不会仅靠安装软件就能实现。AI需要来自您特定诊所、您的付款方组合和您的拒赔历史的训练数据。大多数实施在90天内就会显示出明显改善，但完整效果需要六到九个月，因为系统需要积累足够的数据来做出针对特定诊所的预测。
集成是另一个挑战。AI需要实时访问您的诊所管理系统、资格核实数据，理想情况下还需要访问您的EHR文档。如果这些系统之间无法顺畅通信，AI就只能基于不完整的信息工作。医疗运营平台通过整合这些数据流，能显著提升AI层的效果。
员工的认同也很重要。从事这项工作20年的编码员和账单员在软件开始标记他们的提交时有时会产生抵触。将其定位为安全网而非替代品有助于缓解这种情绪。最佳的实施方案将AI定位为捕获人类在处理当天第150笔索赔、疲劳开始出现时所犯错误的工具。
这对小型诊所意味着什么
AI索赔审查曾经是仅限大型企业使用的技术，实施成本高达六位数。这种情况已经改变。目前有多家供应商提供按索赔量或按每位医生每月计费的云端解决方案，使仅有三四位医生的诊所也能使用这项技术。
对于小型诊所来说，投资回报率的计算实际上更为有利，因为每笔被拒索赔占总收入的比例更大，而且他们通常可用于处理拒赔的工作人员更少。一位年账单金额为150万美元的独立骨科医生，如果将拒赔率从10%降至4%，每年可多收回9万美元。相比每月500到800美元的软件费用，这笔账一目了然。
取得最佳效果的诊所并没有将AI索赔审查视为一劳永逸的工具，而是将其作为向前端收入周期优化全面转型的一部分。当您将AI审查与自动资格核实和实时授权检查相结合时，您就是在从根源上解决拒赔问题，而不是事后追赶。