Il y a deux ou trois ans, les investisseurs promettaient que le codage clinique serait entièrement automatisé par des modèles de langage de grande taille (LLM) d’ici un an, une prévision qui ne s’est pas concrétisée. Selon Lee Kupferman, co-PDG du laboratoire d’innovation R1, le cycle de revenus du secteur de la santé reste obstinément résistant aux solutions technologiques simples, bien que l’intelligence artificielle (IA) puisse encore apporter des contributions significatives.
Kupferman a noté lors d’une interview récente à la conférence annuelle de la HFMA, tenue à National Harbor, Maryland, que l’IA est particulièrement efficace pour gérer des tâches simples et répétitives, permettant ainsi aux professionnels de santé de se concentrer sur des cas nécessitant leur expertise. Par exemple, dans le cadre d’une rencontre typique concernant un patient hospitalisé pour une procédure bien connue et sans complications, il a souligné que 50 codeurs arriveraient tous à la même conclusion, ce qui représente une opportunité idéale pour l’IA.
Cependant, il a également observé que la majorité des modèles d’IA éprouvent encore des difficultés face à des scénarios plus complexes, tels que ceux qui impliquent une documentation extensive et de multiples règles de payeurs. Kupferman met en avant l’importance de diriger les bonnes tâches vers l’IA, tout en réservant les situations plus délicates aux ressources humaines.
« Vous pouvez tirer parti des outils d’IA tout au long du cycle de revenus, à condition d’avoir des garde-fous en place et d’être conscient des domaines dans lesquels ils excellent et de ceux où des améliorations sont encore nécessaires », a-t-il déclaré.
Un facteur qui contribue à la résistance du cycle de revenus à l’IA est la fragmentation intrinsèque du système de paiement des soins de santé, a ajouté Kupferman. Dans ce contexte, il existe de nombreux fournisseurs qui proposent des solutions isolées, sans interconnexion entre elles. Ce manque de communication entraîne souvent un isolement des équipes de codage des équipes d’autorisation préalable, ce qui peut transformer un refus de remboursement qui aurait pu être identifié dès le départ en des semaines de travail supplémentaire en aval.
Kupferman voit cette fragmentation comme un obstacle majeur à la réalisation des bénéfices que l’IA pourrait apporter. Pour réaliser de véritables gains d’efficacité, il est essentiel que ces outils soient intégrés.
Cependant, la dynamique pourrait commencer à évoluer. Il a noté qu’alors que les payeurs et les fournisseurs ont, par le passé, souvent rejeté l’idée d’un cycle de revenus collaboratif intégré à l’IA, ils commencent à faire preuve d’une volonté accrue de coopérer pour améliorer le processus de paiement.
« Tout le monde s’accorde sur la nature du problème – ils cherchent simplement à déterminer la meilleure manière de le résoudre », a-t-il conclu.
Photo : Uchar, Getty Images
