AKASA HFMA調査、医療機関の80%が請求にAIを検討・導入
2025年12月17日に公表されたAKASA HFMA調査によると、米国の医療機関の80%が、収益サイクル管理に生成AIを検討、試験導入、または導入しています。2023年には検討段階にとどまっていたのは58%でした。利用者のMethodist Health Systemは、このツールでスタッフの作業キューからアカウントの71%が消えたと述べています。病院の財務チームの標的は、コーディングの誤りで失われる収益で、回答者は総収益の8.49%と見積もっています。
収益サイクルのチームが記録で資金を失う理由
医療機関は、臨床記録やコードが不完全だと収益を失います。調査では、財務リーダーの89%が、漏れたり不正確なコードが収益に影響すると答え、51%がその影響を大きい、または非常に大きいとしました。回答者は平均で、記録やコーディングの問題により、総収益の8.49%が危険にさらされていると見積もっています。
4分の1を超えるリーダーが、スタッフ不足や技術の制約よりも、不完全な記録を最も重大な課題に挙げました。ネブラスカ州オマハのMethodist Health Systemの最高財務責任者ジェフ・フランシス氏は、その割合をドルで説明しました。10億ドル規模の組織なら、収益の8%は約8000万ドルになります。
収益サイクルに生成AIを使う医療機関の数
導入は急速に進んでいます。2025年には、医療機関の80%が収益サイクル管理に生成AIのツールを検討、試験導入、または導入していると答えており、2年足らずで38%の増加です。2023年には、58%が検討しているだけでした。現在は、約40%が試験導入または導入、39%が検討、20%が未着手です。
調査を依頼したのは、病院の収益サイクル管理向けの生成AIを販売する、サウスサンフランシスコの企業AKASAです。HFMAが2025年4月にPulse Surveyプログラムで実施し、全米の病院や医療機関の最高財務責任者と収益サイクルのリーダー519人から回答を集めました。
小規模な医療機関でAI導入が遅れる理由
規模が市場を分けています。収益が5億ドルから10億ドルの小規模な医療機関では、試験導入または導入しているのは約20%で、大規模な機関の64%と比べて低くなっています。調査は、こうした中規模の機関を最も慎重な導入者の1つとし、優先事項の競合とIT能力の限界が足かせだと説明しています。
回答者が障壁として最も多く挙げたのは、既存システムとの統合、費用と予算、データセキュリティです。大規模な機関では、費用と予算の制約が最大の課題で、52.5%でした。経営幹部は、明確な投資収益が見えないことも指摘しました。
AKASAがMethodist Health Systemで動かしているもの
Methodist Health Systemは、請求の解決を速めるため、2019年からAKASAと取り組んでいます。このツールは、支払者のWebポータルでの請求状況の確認など、収益サイクルのタスクを自動化し、スタッフが保険のフォローアップから他の収益サイクルの仕事に移れるようにします。
AKASAは、収益サイクルの知識と、医療機関自身の臨床データと財務データで訓練したカスタムの大規模言語モデルを組み合わせています。Methodistは、請求前のコーディングレビューにも使っています。フランシス氏によると、以前は、否認された、あるいは支払いが不足した請求を数カ月後に第三者に送っていましたが、現在は請求前にチェックが走るため、請求は最初から正しく、お金も早く入ります。
AIが請求スタッフにもたらした変化
ケーススタディによると、AIはスタッフの作業キューからアカウントの71%を消し、フルタイム従業員ほぼ14人分の状況確認の仕事をこなしました。AKASAは、8カ月で5万6118件のアカウントの請求を解決し、その期間に5,559時間の作業を節約したとしています。
フランシス氏は、結果を人員の言葉で説明しました。Methodistは8 FTE分の時間を空け、その人たちは、より難しい請求に取り組んでおり、彼が改善した歩留まりと呼ぶ成果が出ています。同医療機関は現在、事前承認の自動化を検討しています。
病院の財務チームにとっての意味
病院の財務チームにとって、AIが引き受ける仕事は具体的です。請求状況の確認、請求前のコーディングレビュー、記録の抜けの発見です。生成AIが最も大きな違いを生みそうな領域を尋ねると、回答者の60%近くが取りこぼした償還の機会を、57%が臨床記録の抜けを、33%が取りこぼした品質指標を挙げました。
ほとんどの機関はすでに外部の支援に費用を払っています。55%が臨床記録の完全性を扱うベンダーを、76%がコーディングのベンダーを使っており、調査は導入が断片的だとしています。AKASAのCEOマリンカ・ワラリヤデ氏は、ベンダーは、機関がすでに運用している電子カルテのAPIと標準ベースで統合し、小規模な機関のIT負荷を減らすべきだと述べました。
「記録の正確性を高める機会は明らかですが、それには投資、信頼、そしてテクノロジーを既存のワークフローに責任をもって組み込むロードマップが必要です。」 マリンカ・ワラリヤデ氏、AKASA共同創業者兼CEO
よくある質問
収益サイクル管理にAIを使っている医療機関はどれくらいですか?
調査では、2025年に医療機関の80%が、収益サイクル管理に生成AIを検討、試験導入、または導入していると答えました。約40%はすでに試験導入または導入しており、20%は未着手でした。
コーディングの誤りで、どれだけの収益が危険にさらされていますか?
回答者は平均で、記録やコーディングの問題により、総収益の8.49%が危険にさらされていると見積もりました。89%が、漏れたり不正確なコードが収益に影響すると答えています。
調査は誰が実施し、誰が回答しましたか?
AKASAの依頼で、HFMAが2025年4月にPulse Surveyプログラムで実施しました。米国の病院や医療機関の最高財務責任者と収益サイクルのリーダー519人が回答しました。
MOZGIIの視点
私たちならこう作ります
Methodistのようなクレーム用AIアシスタントは、3つの仕事をします。支払者のポータルから請求状況を読み、請求を出す前に臨床ノートと照らしてコードを確認し、難しいケースを人に回します。これらは別々の部品として作ります。状況の確認は大半が配管で、言語モデルなしで動かすべきです。コーディングレビューは、病院自身のノートと過去の請求で訓練したモデルの出番であり、間違いのコストが最も大きい場所です。
モデルが提案するすべての変更に、認定コーダーを関与させ続け、エラー率が支払者別・診療科別に分かるまで続けます。すべての提案に、根拠にしたノートの文章を付け、監査人がなぜそのコードが追加されたかを確認できるようにします。支払者のポータルは予告なく変わるので、状況の確認には、静かに失敗し始めたときに鳴るアラームが必要です。
見る指標は1つで、初回の提出で支払われた請求の割合です。節約した時間は数えやすいものの、収益が入ったかどうかは示しません。次に作るのは事前承認で、Methodistがすでに名前を挙げています。同じノートと同じ支払者のルールを使うからです。
出典
この記事の事実の出典です。