जब टेलीहेल्थ बिलिंग की बात आती है, तो एक पहेली होती है।
टेलीहेल्थ की बढ़ती लोकप्रियता, इलेक्ट्रॉनिक संचार प्रौद्योगिकियों का उपयोग देखभाल प्रदान करने के लिए जब डॉक्टर और रोगी एक ही समय में एक ही स्थान पर नहीं होते हैं, तो समस्या पैदा कर दी है। जब सेवा के लिए एक बिल प्रस्तुत करने की बात आती है, तो वर्तमान दृष्टिकोण चिकित्सा विशेषज्ञता और अनुभव के एक अलग स्तर को निर्धारित करने में विफल रहता है।
यह ओहियो के टेलीहेल्थ बिलिंग सिस्टम को, बाकी राष्ट्रों की तरह, अनपेक्षित, डोंग-गिल के, पीएचडी, सिनसिनाटी विश्वविद्यालय के कार्ल एच। लिंडनर कॉलेज ऑफ बिजनेस में एक एसोसिएट प्रोफेसर ने कहा।
KO कृत्रिम बुद्धिमत्ता और इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड का उपयोग करके इस मुद्दे से निपट रहा है। उनका काम, हाल ही में प्रकाशित हुआ जर्नल ऑफ़ द अमेरिकन मेडिकल इंफ़ॉर्मेटिक्स एसोसिएशन, उद्देश्य एक निष्पक्ष, अधिक प्रभावी बिलिंग मॉडल बनाना है।
वर्तमान समय-आधारित बिलिंग मॉडल अनुभवी डॉक्टरों को अंडरवैलिंग करके मुआवजे में असमानताएं पैदा करता है, केओ ने कहा। अधिक विशेषज्ञता वाले लोग, जो जल्दी से सटीक उत्तर प्रदान कर सकते हैं, उन्हें कम जानकार डॉक्टरों की तुलना में कम मुआवजा दिया जा सकता है जो जवाब देने के लिए अधिक समय लेते हैं।
यह प्रणाली गलत तरीके से अक्षमता को पुरस्कृत करती है और संज्ञानात्मक निर्णय और विशेषज्ञता के मूल्य को पहचानने में विफल रहती है, को ने कहा, कुशल डॉक्टरों को उच्च गुणवत्ता वाली देखभाल की पेशकश के बावजूद कम किया जा रहा है।
इन कमियों को दूर करने के लिए, KO Umberto Tachinardi, MD, UC Health के मुख्य स्वास्थ्य डिजिटल अधिकारी, और एरिक जे। वार्म, एमडी, एक आंतरिक चिकित्सा चिकित्सक और यूसी कॉलेज ऑफ मेडिसिन में शोधकर्ता के साथ सहयोग कर रहा है। साथ में, वे यूसी हेल्थ से एआई और इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड का लाभ उठा रहे हैं ताकि एक नया बिलिंग मॉडल विकसित किया जा सके जो डॉक्टरों के नैदानिक निर्णय और विशेषज्ञता को शामिल करता है, साथ ही रोगी पूछताछ का जवाब देने में बिताए समय के साथ।
“क्या हम उनकी विशेषज्ञता के लिए मेडिकल डॉक्टरों को महत्व दे सकते हैं और वे कौन हैं?” को ने कहा। “डॉक्टर विशेष ज्ञान विकसित करने के लिए कठोर चिकित्सा प्रशिक्षण के वर्षों से गुजरते हैं। आइए स्वीकार करते हैं और इसे पहचानते हैं और इसे मापने का एक तरीका खोजते हैं। ऐसा करने से, हम एक संतुलित बिलिंग मॉडल बना सकते हैं जो न केवल खर्च किए गए समय बल्कि उनकी चिकित्सा विशेषज्ञता पर भी विचार करता है। “
ओहियो का वर्तमान मेडिकल बिलिंग कोड, जो 2023 में लागू हुआ, मेडिकल पेशेवरों का भुगतान करता है, इस आधार पर कि उन्होंने एक सुरक्षित संदेश प्रणाली के माध्यम से एक प्रश्न का उत्तर देने में कितना समय बिताया। यदि वे पांच मिनट से भी कम समय के जवाब में खर्च करते हैं, तो सेवा मुफ्त है। यदि वे किसी प्रश्न का उत्तर देने के लिए पांच मिनट से अधिक समय लेते हैं, तो उन्हें मुआवजा मिलता है, क्योंकि उनका समय बढ़ने के साथ फीस बढ़ जाती है।
“अनुभवी डॉक्टर अपनी विशेषज्ञता के कारण जल्दी से जवाब दे सकते हैं, लेकिन कम कमाएँ क्योंकि वर्तमान बिलिंग मॉडल कौशल से अधिक समय को प्राथमिकता देता है,” को ने कहा। “इसके विपरीत, एक नए टकसाल वाले मेडिकल निवासी को उनके सीमित अनुभव और ज्ञान के कारण एक ही प्रश्न का उत्तर देने में अधिक समय लग सकता है, जिससे वे रोगी को चार्ज करने में सक्षम हो सकते हैं।”
“यह एक प्रणालीगत मुद्दा बनाता है। यदि हम अमेरिकन मेडिकल एसोसिएशन के दिशानिर्देशों का पालन करते हैं, तो कम अनुभवी डॉक्टरों को मुआवजा दिया जाता है जबकि विशेषज्ञ नहीं हो सकते हैं।”
संभावित रूप से छोटे विशेषज्ञों के साथ और उनके प्रयास को छूट देने के साथ, वर्तमान मॉडल भी डॉक्टरों और उनके रोगियों के बीच विश्वास को नष्ट कर सकता है। यह डॉक्टरों को अपने काम को मापने के लिए विश्वसनीय तरीकों के बिना बिलिंग निर्णय लेने के लिए मजबूर करता है।
केओ ने कहा, “डॉक्टर एक स्टॉपवॉच के साथ प्रतिक्रिया समय को नहीं मापते हैं, और कुछ सवालों के लिए कई सत्रों को संबोधित करने की आवश्यकता हो सकती है, जिससे बिलिंग निर्णय और भी अधिक जटिल हो सकते हैं।”
इसके अतिरिक्त, क्या मरीजों को बिल मिलेगा, इसकी अनिश्चितता उन्हें एक चिकित्सा पेशेवर से संपर्क करने से हतोत्साहित कर सकती है। यह देखभाल की निरंतरता को तोड़ता है, उपचार में देरी करता है और संभावित रूप से बदतर स्वास्थ्य परिणामों के लिए अग्रणी होता है।
“हमें संतुलन की आवश्यकता है,” को ने कहा। “समय और चिकित्सा विशेषज्ञता दोनों को बिलिंग में माना जाना चाहिए।”
KO को उम्मीद है कि टेलीहेल्थ बिलिंग चुनौतियां बढ़ेंगी क्योंकि जनरेटिव AI चिकित्सा अभ्यास में अधिक एकीकृत हो जाता है। जबकि AI तेजी से समाधान दे सकता है, डॉक्टरों को अभी भी अपनी प्रतिक्रियाओं को मान्य करने और इन प्रणालियों को बनाए रखने और संचालित करने में समय का निवेश करने की आवश्यकता होगी – उन प्रयासों को जो चिकित्सा पेशेवरों के बीच बढ़ते बर्नआउट से बचने के लिए मुआवजा दिया जाना चाहिए, KO ने कहा।
“शुरुआती चरणों में, ए-असिस्टेड प्रतिक्रियाओं को मान्य करना महत्वपूर्ण होगा,” को ने कहा।
KO की AI प्रणाली डॉक्टरों के व्यवहार का उपयोग बेहतर समझने और उनकी विशेषज्ञता को मापने के लिए कर सकती है, जो निष्पक्ष मुआवजे के लिए एक रूपरेखा प्रदान करती है। मशीन लर्निंग मॉडल के उनके परीक्षणों ने लगातार परिणाम दिए हैं, जिसमें डॉक्टरों की विशेषज्ञता और रोगी पूछताछ पर खर्च किए गए समय का अधिक सटीक मूल्यांकन करने की क्षमता का प्रदर्शन किया गया है।
“यह समय-आधारित मीट्रिक विवश है, और यह मॉडल टिकाऊ नहीं है, विशेष रूप से जनरेटिव एआई चित्र में आ रहा है,” को ने कहा।
आगे देखते हुए, KO अपने शोध के लिए व्यापक अनुप्रयोगों को लागू करता है। वह एक ऐसी प्रणाली बनाने का लक्ष्य रखता है जो भविष्यवाणी करता है कि क्या किसी मरीज को एक प्रश्न प्रस्तुत करने से पहले बिल किया जाएगा और देखभाल परिणामों में सुधार करने के लिए रोगी डेटा से अंतर्दृष्टि को उजागर किया जाएगा।
एआई और अभिनव अनुसंधान के संयोजन से, केओ का काम टेलीहेल्थ बिलिंग को बदल सकता है, जिससे रोगी परिणामों में सुधार करते हुए डॉक्टरों के लिए उचित मुआवजा सुनिश्चित हो सकता है। वह 2025 में स्वास्थ्य प्रणालियों के साथ अपने कार्यक्रम को पायलट करने की योजना बना रहा है।
