استطلاع AKASA وHFMA: 80% يجربون الذكاء الاصطناعي في الفوترة
وجد استطلاع AKASA وHFMA، المنشور في 17 ديسمبر 2025، أن 80% من الأنظمة الصحية الأمريكية تستكشف الذكاء الاصطناعي التوليدي لإدارة دورة الإيرادات أو تجربه أو تطبقه، ارتفاعًا من 58% كانت تدرسه فقط في 2023. ويقول أحد المستخدمين، Methodist Health System، إن الأداة أزالت 71% من الحسابات من قوائم عمل الموظفين. وبالنسبة إلى فرق مالية المستشفيات، الهدف هو الإيرادات الضائعة بسبب أخطاء الترميز: قدّرها المشاركون بـ 8.49% من إجمالي الإيرادات.
لماذا تخسر فرق دورة الإيرادات المال بسبب التوثيق
تخسر الأنظمة الصحية إيرادات حين يكون التوثيق السريري والرموز ناقصة. وفي الاستطلاع قال 89% من القادة الماليين إن الرموز الفائتة أو غير الدقيقة تؤثر في الإيرادات، ووصف 51% الأثر بأنه كبير أو كبير جدًا. وقدّر المشاركون في المتوسط أن 8.49% من إجمالي الإيرادات معرّضة للخطر بسبب مشكلات التوثيق أو الترميز.
وسمّى أكثر من ربع القادة التوثيق الناقص أكبر تحدٍّ لديهم، متقدمًا على قيود التوظيف والتقنية. وترجم جيف فرانسيس، المدير المالي لـ Methodist Health System في أوماها بولاية نبراسكا، النسبة إلى دولارات: 8% من الإيرادات في مؤسسة حجمها 1 مليار دولار تعني نحو 80 مليون دولار.
كم نظامًا صحيًا يستخدم الذكاء الاصطناعي التوليدي لدورة الإيرادات
تسارع التبني. ففي 2025 يقول 80% من الأنظمة الصحية إنها تستكشف أدوات الذكاء الاصطناعي التوليدي لإدارة دورة الإيرادات أو تجربها أو تطبقها، بقفزة 38% في أقل من عامين. وفي 2023 كان 58% يدرسونها فقط. واليوم يجرّب أو يطبق نحو 40%، ويستكشف 39%، ولم يبدأ 20%.
كلّفت AKASA، وهي شركة في جنوب سان فرانسيسكو تبيع الذكاء الاصطناعي التوليدي لإدارة دورة إيرادات المستشفيات، بإجراء الاستطلاع. ونفذته HFMA عبر برنامج Pulse Survey في أبريل 2025 وجمعت إجابات 519 من كبار المسؤولين الماليين وقادة دورة الإيرادات في مستشفيات وأنظمة صحية عبر الولايات المتحدة.
لماذا تتأخر الأنظمة الصحية الأصغر في تبني الذكاء الاصطناعي
يقسم الحجم السوق. ففي الأنظمة الأصغر التي تتراوح إيراداتها بين 500 مليون دولار و1 مليار دولار، يجرّب أو يطبق نحو 20%، مقابل 64% من الأنظمة الأكبر. ويصف الاستطلاع هذه الأنظمة المتوسطة بأنها من أكثر المتبنين حذرًا، تكبحها أولويات متنافسة وقدرة محدودة في تقنية المعلومات.
وسمّى المشاركون الأكثر تكرارًا الاندماج مع الأنظمة القائمة والتكلفة والميزانية وأمن البيانات عوائق. وبالنسبة إلى الأنظمة الأكبر، كانت قيود التكلفة والميزانية أكبر تحدٍّ منفرد، بنسبة 52.5%. وأشار التنفيذيون أيضًا إلى غياب عائد واضح على الاستثمار.
ماذا تشغّل AKASA لدى Methodist Health System
تعمل Methodist Health System مع AKASA منذ 2019 لتسريع حسم المطالبات. وتؤتمت الأداة مهام دورة الإيرادات مثل فحص حالة المطالبة في بوابات شركات التأمين، ليتحول الموظفون من متابعة التأمين إلى أعمال أخرى في دورة الإيرادات.
تجمع AKASA بين معرفة دورة الإيرادات ونماذج لغوية كبيرة مخصصة مدربة على البيانات السريرية والمالية للنظام الصحي نفسه. وتستخدمها Methodist أيضًا لمراجعة الترميز قبل فوترة المطالبة. وقال فرانسيس إن النظام كان يرسل المطالبة المرفوضة أو المدفوعة جزئيًا إلى طرف ثالث بعد أشهر؛ أما الآن فيجري الفحص قبل الفوترة، فتكون المطالبة صحيحة من المرة الأولى ويصل المال أسرع.
ماذا غيّر الذكاء الاصطناعي لدى موظفي المطالبات
بحسب دراسة حالة، أزال الذكاء الاصطناعي 71% من الحسابات من قوائم عمل الموظفين وأنجز عمل فحص الحالة لنحو 14 موظفًا بدوام كامل. وتقول AKASA إنها حسمت مطالبات 56,118 حسابًا في ثمانية أشهر، موفرة 5,559 ساعة عمل في تلك الفترة.
ووصف فرانسيس النتيجة بلغة التوظيف. حررت Methodist وقتًا يعادل ثمانية موظفين بدوام كامل، ويعمل هؤلاء الآن على المطالبات الأصعب، بما سماه عائدًا محسّنًا. ويدرس النظام الصحي الآن أتمتة التفويض المسبق.
ماذا يغيّر هذا لفرق مالية المستشفيات
بالنسبة إلى فريق مالية المستشفى، العمل الذي يتولاه الذكاء الاصطناعي محدد: فحص حالة المطالبات ومراجعة الترميز قبل الفوترة وإيجاد الثغرات في التوثيق. وعند سؤالهم أين يمكن للذكاء الاصطناعي التوليدي أن يحدث أكبر فرق، سمّى نحو 60% من المشاركين فرص السداد الفائتة، و57% ثغرات التوثيق السريري، و33% مؤشرات الجودة الفائتة.
تدفع معظم الأنظمة بالفعل لجهات خارجية: يستخدم 55% مزودي نزاهة التوثيق السريري و76% مزودي الترميز، ويصف الاستطلاع التبني بأنه مجزأ. وقالت مالينكا والاليادي، الرئيسة التنفيذية لـ AKASA، إن على المزودين استخدام تكاملات قائمة على المعايير مع واجهات السجل الصحي الإلكتروني الذي يشغّله النظام بالفعل، لتتحمل الأنظمة الأصغر عبئًا أقل من تقنية المعلومات.
"فرصة تحسين دقة التوثيق واضحة، لكنها تتطلب استثمارًا وثقة وخارطة طريق تدمج التقنية في سير العمل القائم بمسؤولية." — مالينكا والاليادي، الرئيسة التنفيذية والمؤسسة المشاركة لـ AKASA
أسئلة وأجوبة
ما حصة الأنظمة الصحية التي تستخدم الذكاء الاصطناعي في إدارة دورة الإيرادات؟
في الاستطلاع قال 80% من الأنظمة الصحية إنها تستكشف الذكاء الاصطناعي التوليدي لإدارة دورة الإيرادات أو تجربه أو تطبقه في 2025. وكان نحو 40% يجربونه أو يطبقونه بالفعل، ولم يبدأ 20%.
كم من الإيرادات تعرّضها أخطاء الترميز للخطر؟
قدّر المشاركون أن 8.49% من إجمالي الإيرادات في المتوسط معرّضة للخطر بسبب مشكلات التوثيق أو الترميز. وقال 89% إن الرموز الفائتة أو غير الدقيقة تؤثر في الإيرادات.
من أجرى الاستطلاع ومن أجاب عنه؟
أجرته HFMA عبر برنامج Pulse Survey في أبريل 2025 بتكليف من AKASA. وأجاب 519 من كبار المسؤولين الماليين وقادة دورة الإيرادات في مستشفيات وأنظمة صحية أمريكية.
رؤية MOZGII
كيف كنا سنبنيه
مساعد المطالبات بالذكاء الاصطناعي كالذي في Methodist يؤدي ثلاث مهام: يقرأ حالة المطالبة من بوابات شركات التأمين، ويفحص الرموز مقابل الملاحظات السريرية قبل صدور الفاتورة، ويوجّه الحالات الصعبة إلى الناس. كنا سنبنيها أجزاءً منفصلة. فاحص الحالة سباكة في معظمه ويجب أن يعمل دون نموذج لغوي إطلاقًا. أما مراجعة الترميز فهي حيث يستحق نموذج مدرب على ملاحظات المستشفى ومطالباته السابقة مكانه، وحيث تكلف الأخطاء أكثر.
كنا سنُبقي مبرمجًا طبيًا معتمدًا في الحلقة لكل تغيير يقترحه النموذج إلى أن يُعرف معدل الخطأ بحسب شركة التأمين وخط الخدمة. يحمل كل اقتراح نص الملاحظة التي اعتمد عليها، ليرى المدقق لماذا أُضيف رمز. وتتغير بوابات شركات التأمين دون إنذار، لذا يحتاج فاحص الحالة إلى تنبيهات تنطلق حين يبدأ بالفشل بصمت.
المقياس الوحيد الذي سنراقبه هو حصة المطالبات المدفوعة عند التقديم الأول. الساعات الموفرة سهلة العد، لكنها لا تُظهر هل دخل المال. وبعد ذلك سنبني التفويض المسبق الذي سمّته Methodist بالفعل، لأنه يعتمد على الملاحظات نفسها وقواعد شركات التأمين نفسها.
المصادر
من أين جاءت حقائق هذا الخبر.