De AI-kloof in de landelijke gezondheidszorg: ziekenhuizen op het platteland en met kritieke toegang (CHA’s) beginnen van achteren
Begrotingsproblemen zijn een van de belangrijkste redenen waarom ziekenhuizen op het platteland langzamer zijn in het integreren van generatieve en agent-AI. Volgens de American Medical Association draait de helft van de plattelandsziekenhuizen met een tekort, waardoor velen gedwongen zijn te bezuinigen op cruciale diensten zoals bevalling en kankerzorg.
Deze realiteit laat minder ruimte voor het experimenteren met nieuwe technologieën. Voordat een AI-aangedreven tool volledig wordt geïmplementeerd, evalueren ziekenhuizen deze doorgaans enkele maanden. Deze tijdlijn omvat risicoanalyse, testen en trainen van personeel om deze te gebruiken.
Alex Sushko, een oplossingsingenieur bij Glean die gespecialiseerd is in AI-integratie, zegt dat dit een belangrijke reden is waarom de AI-adoptiecurve hobbelig is. “Grotere organisaties kunnen het zich veroorloven om een pilot van 18 maanden uit te voeren en langzaam een AI-tool aan te passen aan hun specificaties, omdat ze in de business case meer ruimte hebben om die investering te absorberen. Plattelandsziekenhuizen misschien niet.”
ONTDEKKEN: Vind de juiste technologie om de zorgcoördinatie te verbeteren en innovatie te ondersteunen.
Waar AI een onmiddellijke impact kan hebben op de gezondheid op het platteland
Met alle krantenkoppen over hoe kunstmatige intelligentie medisch onderzoek kan versnellen, beeldvorming kan verbeteren, operaties nauwkeuriger kan maken en administratieve taken kan automatiseren, kan het overweldigend zijn om uit te zoeken waar je moet beginnen. Rhew adviseert ziekenhuizen met lean IT-teams om klein te beginnen.
“In plaats van te proberen AI breed te implementeren, hebben teams de neiging om het meeste succes te zien als ze beginnen met een goed gedefinieerd probleem en vervolgens tools kiezen die zijn ontworpen om binnen bestaande workflows te werken”, zegt Rhew.
Om snel waarde te kunnen genereren, raadt Sushko aan om zich te concentreren op processen binnen het inkomstencyclusbeheer, zoals de ‘clean claims’-ratio van het ziekenhuis. “Het is een perfecte use case voor de mogelijkheden van agenten, want als je maar een beperkt aantal mensen in de administratieve backoffice hebt, kan AI snel informatie verzamelen en de productiviteit tien keer vergroten”, zegt Sushko.
Beroepen op verzekeringen zijn een andere inkomstengenererende focus, aangezien geweigerde verzekeringsclaims ziekenhuizen bijna 20 miljard dollar per jaar kosten. Hoewel meer dan 80% van de beroepen wordt goedgekeurd, wordt er überhaupt beroep aangetekend tegen minder dan 1% van de afgewezen claims.
Door AI aangedreven systemen kunnen administratieve teams van ziekenhuizen helpen bij het onderzoeken en oplossen van afgewezen claims, wat mogelijk kan leiden tot financieel aanzienlijke terugbetalingen. “Een AI-tool zou een veel groter aantal claims kunnen verwerken waarbij één persoon kritische details verifieert, wat tot een veel hogere uitbetaling zou kunnen leiden”, zegt Sushko.
HIPAA-conforme opties voor het versterken van systemen voor het beheer van de inkomstencyclus zijn onder meer:
Klik op onderstaande banner te registreren GezondheidTech’s wekelijkse nieuwsbrief.
