Опрос AKASA и HFMA: 80% клиник пробуют ИИ в биллинге
Опрос AKASA и HFMA, опубликованный 17 декабря 2025 года, показал, что 80% американских систем здравоохранения изучают, тестируют или внедряют генеративный ИИ для управления циклом доходов, тогда как в 2023 году только 58% рассматривали такую возможность. Один из пользователей, Methodist Health System, говорит, что инструмент убрал 71% счетов из очередей сотрудников. Для финансовых служб больниц цель это выручка, теряемая из-за ошибок кодирования: респонденты оценили ее в 8,49% общей выручки.
Почему службы цикла доходов теряют деньги на документации
Системы здравоохранения теряют выручку, когда клиническая документация и коды неполны. В опросе 89% финансовых руководителей сказали, что пропущенные или неточные коды влияют на выручку, а 51% назвали влияние значительным или очень значительным. В среднем респонденты оценили, что 8,49% общей выручки под риском из-за проблем с документацией или кодированием.
Более четверти руководителей назвали неполную документацию самой значимой проблемой, впереди как нехватки персонала, так и ограничений технологий. Джефф Фрэнсис, финансовый директор Methodist Health System в Омахе, штат Небраска, перевел эту долю в доллары: 8% выручки в организации с оборотом 1 млрд долларов это около 80 млн долларов.
Сколько систем здравоохранения используют генеративный ИИ для цикла доходов
Внедрение шло быстро. В 2025 году 80% систем здравоохранения говорят, что изучают, тестируют или внедряют инструменты генеративного ИИ для управления циклом доходов, рост на 38% меньше чем за два года. В 2023 году только 58% рассматривали такую возможность. Сегодня около 40% тестируют или внедряют, 39% изучают, а 20% еще не начали.
Опрос заказала AKASA, компания из Южного Сан-Франциско, которая продает генеративный ИИ для управления циклом доходов больниц. HFMA провела его в апреле 2025 года в рамках программы Pulse Survey и собрала ответы 519 финансовых директоров и руководителей по циклу доходов в больницах и системах здравоохранения США.
Почему небольшие системы здравоохранения отстают во внедрении ИИ
Рынок делится по размеру. Среди небольших систем здравоохранения с выручкой от 500 млн до 1 млрд долларов около 20% тестируют или внедряют, против 64% у крупных систем. Опрос описывает эти средние системы как одних из самых осторожных, которых сдерживают конкурирующие приоритеты и ограниченные возможности ИТ.
Чаще всего респонденты называли барьерами интеграцию с существующими системами, стоимость и бюджет и защиту данных. Для более крупных систем ограничения по стоимости и бюджету стали самой большой проблемой, 52,5%. Руководители также указали на отсутствие ясной отдачи от инвестиций.
Что AKASA делает для Methodist Health System
Methodist Health System работает с AKASA с 2019 года, чтобы ускорить разрешение претензий. Инструмент автоматизирует задачи цикла доходов, такие как проверка статуса претензии на веб-порталах плательщиков, чтобы сотрудники могли перейти от сопровождения страховых случаев к другой работе по циклу доходов.
AKASA сочетает знание цикла доходов с собственными большими языковыми моделями, обученными на клинических и финансовых данных системы здравоохранения. Methodist также использует ее для проверки кодирования до выставления счета. Фрэнсис сказал, что раньше система отправляла отклоненную или недоплаченную претензию третьей стороне спустя месяцы; теперь проверка идет до выставления счета, так что претензия верна с первого раза, а деньги приходят раньше.
Что ИИ изменил для сотрудников, работающих с претензиями
Согласно кейсу, ИИ убрал 71% счетов из очередей сотрудников и выполнил работу по проверке статусов почти 14 штатных сотрудников. AKASA говорит, что разрешила претензии по 56 118 счетам за восемь месяцев, сэкономив за этот период 5559 часов работы.
Фрэнсис описал результат в терминах штата. Methodist освободил время, эквивалентное восьми штатным сотрудникам, и эти люди теперь работают с более сложными претензиями, с тем, что он назвал улучшенной отдачей. Сейчас система здравоохранения рассматривает автоматизацию предварительной авторизации.
Что это меняет для финансовых служб больниц
Для финансовой службы больницы работа, которую берет на себя ИИ, конкретна: проверка статусов претензий, проверка кодирования до выставления счета и поиск пробелов в документации. На вопрос, где генеративный ИИ мог бы дать наибольший эффект, почти 60% респондентов назвали упущенные возможности возмещения, 57% пробелы в клинической документации и 33% упущенные показатели качества.
Большинство систем уже платят внешним исполнителям: 55% используют поставщиков услуг по целостности клинической документации и 76% поставщиков кодирования, а опрос называет внедрение фрагментированным. Малинка Валалиядде, гендиректор AKASA, сказала, что поставщикам следует использовать интеграции на основе стандартов с API электронной медицинской карты, которую система уже эксплуатирует, чтобы небольшие системы несли меньшую часть нагрузки на ИТ.
«Возможность повысить точность документации очевидна, но она требует инвестиций, доверия и плана, который ответственно встраивает технологии в существующие рабочие процессы». Малинка Валалиядде, гендиректор и сооснователь AKASA
Вопросы и ответы
Какая доля систем здравоохранения использует ИИ в управлении циклом доходов?
В опросе 80% систем здравоохранения сказали, что в 2025 году изучают, тестируют или внедряют генеративный ИИ для управления циклом доходов. Около 40% уже тестировали или внедряли его, а 20% не начали.
Сколько выручки ставят под риск ошибки кодирования?
Респонденты оценили, что в среднем 8,49% общей выручки под риском из-за проблем с документацией или кодированием. 89% сказали, что пропущенные или неточные коды влияют на выручку.
Кто проводил опрос и кто отвечал?
HFMA провела его в апреле 2025 года в рамках программы Pulse Survey по заказу AKASA. Ответили 519 финансовых директоров и руководителей по циклу доходов в больницах и системах здравоохранения США.
Взгляд MOZGII
Как бы мы это построили
ИИ-помощник по претензиям вроде того, что в Methodist, выполняет три задачи: читает статус претензии на порталах плательщиков, сверяет коды с клиническими записями до выставления счета и направляет сложные случаи людям. Мы бы строили их как отдельные части. Проверка статуса в основном техническая сантехника и должна работать вообще без языковой модели. Проверка кодирования то место, где окупается модель, обученная на записях и прошлых претензиях больницы, и где ошибки стоят дороже всего.
Сертифицированного кодировщика мы бы оставляли в контуре для каждого изменения, которое предлагает модель, пока частота ошибок не будет известна по плательщикам и по направлениям услуг. Каждое предложение сопровождалось бы текстом записи, на который оно опирается, чтобы аудитор видел, почему добавлен код. Порталы плательщиков меняются без предупреждения, поэтому для проверки статуса понадобились бы сигналы, срабатывающие, когда она начинает тихо ломаться.
Одну метрику мы бы отслеживали: долю претензий, оплаченных с первой подачи. Сэкономленные часы легко посчитать, но они не показывают, пришла ли выручка. Следующим шагом мы бы построили предварительную авторизацию, которую Methodist уже называет, потому что она опирается на те же записи и те же правила плательщиков.
Источники
Откуда взяты факты этой новости.