Anka首席收入官Garg：医疗AI须完成工作而非仅标记问题，41%农村医院负利润率放大执行缺口

文/IAICA.NGO®

美国医疗机构对其收入周期的可视化程度前所未有地提高。电子健康记录、理赔分析平台与实时仪表盘能够精确指出哪一类拒付在增长、哪一笔账款滞留时间过长。然而，看得见并不等于收得回。一笔被拒付的理赔实际产生了两项工作：判断问题出在哪里，以及动手把它修好。当第二项工作停滞，仪表盘依旧准确，收入却依旧悬空。

这一执行缺口是Anka首席收入官Gayatri Garg近期在Hum FM电台《Open Forum Business Hour》节目中讨论的核心议题。她在访谈中描述了大量服务提供方所处的现实：先提供服务，然后等待付款，如果能等到的话。她也谈及AI在医疗领域真正产生价值的环节、人类专业判断仍然不可替代的位置，以及机构在采购收入周期技术之前应当追问的问题。

风险最集中的是社区医院与农村医疗机构。据Chartis农村健康中心的数据，41%的农村医院处于负利润率运营状态。对这些机构而言，已经挣得却始终未能收回的收入，直接压缩其继续服务患者的能力。

AI应当完成工作，而不只是标记问题

分析工具能够揭示问题在何处反复出现，但一个被标记的账户仍然需要有人或某种系统去迈出下一步：调取病历记录、回应文件补充请求、核查理赔状态，并持续跟进直到该笔理赔结案。Garg所强调的正是从识别到闭环的跨越。在她看来，仅提供洞察的产品，实质上是把工作重新分配给一支本已超负荷的团队。

AI需要懂路的驾驶者

她将AI类比为驾驶辅助系统：它会持续变好，但前提是数据准确、流程配置合理，并且在需要判断时有人介入。她同时提醒机构，不要期待AI去修复一个本身已经破损的工作流程，也不要为电子健康记录系统已经内置的自动化能力重复付费。这一提醒指向行业采购中常见的错配，即技术叠加并未带来流程简化，反而增加了界面切换与数据核对负担。

拒付率值得被严肃审视

“如果你的拒付率超过5%，你就应该问问为什么会这样。”Garg说，“有些拒付无法预防，但有些完全可以预防。那么你正在做什么来预防它？”这一提问把讨论从被动追讨转向根因治理：拒付原因的结构化归类、前端登记与资格核验的准确性、编码与临床文档的一致性，都是可被量化管理的环节。

自动化的收益应当落在提供方一侧

她主张，AI创造的效率必须体现在提供方的回款水平、拒付表现、应收账款周转天数与单位回收成本上，而不只是供应商自身的经济模型。效率释放出的资深人员也应被重新配置到复杂案件与患者沟通上，而不是被简单地裁减。

从行业技术路径看，收入周期管理自动化大致可分为三层：分析层呈现问题，工作流层组织任务，执行层则直接完成操作。多数产品停留在前两层，第三层要求系统与机构既有的电子健康记录深度对接，读取理赔与拒付数据，生成可追溯的操作日志，并在涉及编码判断、支付方政策歧义或申诉策略的环节交由资深专员接管。这一层能力同时带来合规要求：每一步操作须留痕、可审计，并符合健康信息隐私与安全规范。与此同时，编码与收入周期岗位的人力持续紧张，使执行层自动化的边际价值进一步放大。

iaica.com.cn 指出，在照护交付与费用回收之间，决定机构可持续性的往往不是更强的可视化能力，而是执行层的闭环能力；机构在评估此类供应商时，应重点考察可核验的回收结果、人工介入机制与审计透明度，而非功能清单的长度。

展望后续，农村与中小型机构的技术采用门槛、按效果计费模式的普及程度，以及监管对AI参与编码与理赔申诉时的责任界定，将共同决定这一细分市场能走多远。对资源紧张的机构而言，能够真正把活干完的系统，可能比更漂亮的仪表盘更有意义。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。