Wenn es um die Telemedizin -Abrechnung geht, gibt es ein Rätsel.
Die zunehmende Popularität von Telemedizin, die Verwendung elektronischer Kommunikationstechnologien, um sich zu versorgen, wenn der Arzt und der Patient nicht gleichzeitig am selben Ort sind, hat das Problem geschaffen. Wenn es darum geht, einen Gesetzentwurf für den Service einzureichen, quantifiziert der aktuelle Ansatz eine unterschiedliche Auseinandersetzung mit medizinischen Fachkenntnissen und Erfahrungen.
Das macht das Telemedal-Abrechnungssystem in Ohio, wie der Rest der Nation, nicht nachhaltig, sagte Dong-Gil Ko, PhD, Associate Professor an der Carl H. Lindner College of Business der Universität von Cincinnati.
KO geht mit dieser Ausgabe mit künstlicher Intelligenz und elektronischen Gesundheitsakten an. Seine Arbeit, kürzlich veröffentlicht in der Journal der American Medical Informatics Association, Ziel ist es, ein faireres, effektiveres Abrechnungsmodell zu schaffen.
Das aktuelle zeitbasierte Abrechnungsmodell schafft Ungleichheiten bei der Entschädigung durch Unterbewertung erfahrener Ärzte, sagte Ko. Diejenigen mit größerem Fachwissen, die schnell genaue Antworten geben können, könnten weniger als weniger sachkundige Ärzte entschädigt werden, die mehr Zeit in Anspruch nehmen, um zu reagieren.
Dieses System belohnt unfaire Ineffizienz und erkennt den Wert von kognitivem Urteilsvermögen und Fachwissen nicht an, was zu qualifizierten Ärzten geführt wird, die unterkompensiert wurden, obwohl sie eine Versorgung mit höherer Qualität anbieten.
Um diese Mängel anzugehen, arbeitet KO mit Umberto Tachinardi, MD, Chief Health Digital Officer von UC Health, und Eric J. Warm, MD,, MD, ein Arzt und Forscher des UC College of Medicine, zusammen. Zusammen nutzen sie KI und elektronische Gesundheitsakten von UC Health, um ein neues Abrechnungsmodell zu entwickeln, das das klinische Urteil und das Know -how der Ärzte sowie die Zeit, die auf Patientenanfragen reagiert, einbezieht.
„Können wir Ärzte für ihr Fachwissen und wer sie sind?“ KO sagte. „Ärzte absolvieren jahrelang strenge medizinische Ausbildung, um spezialisiertes Wissen zu entwickeln. Lassen Sie uns dies anerkennen und erkennen und einen Weg finden, es zu messen. Auf diese Weise können wir ein ausgewogenes Abrechnungsmodell erstellen, das nicht nur die Zeit berücksichtigt, sondern auch die medizinische Fachkenntnisse. „
Der aktuelle medizinische Abrechnungscode von Ohio, der 2023 in Kraft trat, zahlt Mediziner, basierend darauf, wie viel Zeit sie mit der Beantwortung einer Frage über ein sicheres Messaging -System aufgewendet haben. Wenn sie weniger als fünf Minuten antworten, ist der Service kostenlos. Wenn sie mehr als fünf Minuten brauchen, um eine Frage zu beantworten, erhalten sie eine Entschädigung, wobei die Gebühren mit zunehmender Zeit zunehmen.
„Erfahrene Ärzte können aufgrund ihres Fachwissens schnell reagieren, verdienen jedoch weniger, weil das aktuelle Abrechnungsmodell Zeit vor der Fertigkeit priorisiert“, sagte Ko. „Im Gegensatz dazu kann ein neu geprägter medizinischer Bewohner viel länger dauern, um dieselbe Frage aufgrund seiner begrenzten Erfahrung und seines Wissens zu beantworten, sodass er den Patienten aufladen kann.“
„Dies schafft ein systemisches Problem. Wenn wir den Richtlinien der American Medical Association befolgen, werden weniger erfahrene Ärzte entschädigt, während Experten möglicherweise nicht sind.“
Zusammen mit potenziell kurzen Experten und dem Abzeigen ihrer Bemühungen könnte das aktuelle Modell auch das Vertrauen zwischen Ärzten und ihren Patienten untergraben. Es zwingt Ärzte, Abrechnungsentscheidungen ohne zuverlässige Methoden zur Messung ihrer Arbeit zu treffen.
„Ärzte messen die Reaktionszeit nicht mit einer Stoppuhr, und einige Fragen erfordern möglicherweise mehrere Sitzungen, um die Abrechnungsentscheidungen noch komplexer zu machen“, sagte Ko, der das erste Forschungslabor am Lindner College of Business errichtete.
Darüber hinaus kann die Unsicherheit darüber, ob Patienten in Rechnung gestellt werden, von ihnen davon abhalten, einen medizinischen Fachmann zu kontaktieren. Das bricht die Kontinuität der Versorgung auf, verzögert die Behandlung und führt möglicherweise zu schlechteren gesundheitlichen Ergebnissen.
„Wir brauchen ein Gleichgewicht“, sagte Ko. „Bei der Abrechnung müssen sowohl Zeit- als auch medizinisches Fachwissen berücksichtigt werden.“
KO geht davon aus, dass die Herausforderungen der Telemedizin -Abrechnung wachsen werden, wenn die generative KI stärker in die medizinische Praxis integriert wird. Während KI schnellere Lösungen liefern kann, müssen die Ärzte ihre Antworten weiterhin validieren und Zeit in die Aufrechterhaltung und den Betrieb dieser Systeme investieren – Anstrengungen, die entschädigt werden müssen, um eine Erhöhung des Burnouts bei medizinischen Fachkräften zu vermeiden, sagte Ko.
„In den frühen Stadien wird die Validierung von AI-unterstützten Antworten von entscheidender Bedeutung sein“, sagte Ko.
Das KI -System von KO kann das Verhalten der Ärzte einsetzen, um ihr Fachwissen besser zu verstehen und zu messen und einen Rahmen für eine gerechtere Entschädigung anzubieten. Seine Tests mit maschinellen Lernmodellen haben konsistente Ergebnisse erzielt, was dem Potenzial zeigt, dass das Fachwissen der Ärzte und die Zeit für Patientenanfragen genauer bewertet wird.
„Diese zeitbasierte Metrik ist eingeschränkt, und dieses Modell ist nicht nachhaltig, insbesondere wenn generative KI ins Bild kommt“, sagte Ko.
Mit Blick auf die Zukunft stellt KO umfassendere Anwendungen für seine Forschung vor. Er zielt darauf ab, ein System zu erstellen, das vorhersagt, ob ein Patient in Rechnung gestellt wird, bevor er eine Frage einreicht, und um Erkenntnisse aus Patientendaten zur Verbesserung der Pflegeergebnisse aufzudecken.
Durch die Kombination von KI und innovativer Forschung könnte die Arbeit von KO die Abrechnung der Telemedizin verändern und eine angemessene Entschädigung für Ärzte gewährleisten und gleichzeitig die Patientenergebnisse verbessern. Er plant, sein Programm im Jahr 2025 mit Gesundheitssystemen zu steuern.
