Apakah Anda melewatkan sesi dari Future of Work Summit? Kunjungi kami Perpustakaan sesuai permintaan Future of Work Summit untuk streaming.
Dalam layanan kesehatan, proses penjaminan dan analisis klaim dapat memakan banyak tenaga dan rawan kesalahan. Penilai klaim dan penjamin emisi sering kali diharuskan membaca dan menguraikan ratusan dokumen per kasus dengan cermat. Setiap tahunnya, pasar asuransi menginvestasikan sekitar lebih dari $3 miliar pada jam kerja yang dikhususkan hanya untuk menyusun dan merangkum catatan medis.
Institut Kesehatan Nasional AS tahun 2006 belajar mengidentifikasi beberapa tantangan besar dalam meneliti rekam medis, termasuk menilai kualitas data dan menggabungkan data dari perusahaan dengan sistem pengkodean yang berbeda. (Pengkodean medis memerlukan pengambilan informasi yang dapat ditagih dari rekam medis dan dokumentasi klinis yang menyertainya.) Namun AI โ khususnya pemrosesan bahasa alami (NLP), subbidang AI yang berkaitan dengan data bahasa โ dapat menawarkan solusi dalam kemampuannya membaca, merangkum, dan meringkas secara otomatis. dan menganalisis teks tidak terstruktur, termasuk entri rekam medis.
Salah satu dari beberapa vendor yang menawarkan platform AI untuk analisis rekam medis adalah Burung Hantu Digital, yang hari ini mengumumkan bahwa mereka mengumpulkan $20 juta dalam pendanaan seri A dari Insight Partners. Berbasis di Portland, Maine, DigitalOwl mengklaim perangkat lunaknya dapat membantu perusahaan asuransi, reasuransi, dan pengacara untuk memerangi penipuan dengan lebih baik, menjamin rencana kesehatan, melaksanakan klaim, dan membangun kasus hukum yang lebih kuat.
Menganalisis rekam medis
Pasar global untuk analisis big data dalam layanan kesehatan bernilai $16.87 miliar pada tahun 2017 dan diproyeksikan mencapai $67.82 miliar pada tahun 2025, menurut laporan terbaru melaporkan dari Riset Pasar Sekutu. Nya diyakini bahwa penerapan analitik data besar oleh organisasi perawatan kesehatan dapat menyebabkan pengurangan lebih dari 25% dalam biaya tahunan di tahun-tahun mendatang. Diagnosis dan prediksi penyakit yang lebih baik, yang dimungkinkan oleh AI dan analitik, dapat menyebabkan pengurangan biaya dengan penurunan tingkat penerimaan kembali di rumah sakit, di antara faktor-faktor lainnya.
DigitalOwl, yang didirikan pada tahun 2018 oleh saudara Amit Man dan Yuval Man, memanfaatkan mesin berpemilik untuk mengekstrak informasi mulai dari ratusan hingga ribuan halaman rekam medis elektronik. Data disajikan secara kronologis sehingga memungkinkan pengguna mencari dan memfilter berdasarkan kondisi, tanggal, bagian tubuh, sistem tubuh, dan penyedia. Riwayat lengkap terdapat dalam PDF โ setiap kondisi, tanggal, dan entri dapat diklik, membawa pengguna ke sumber informasi dalam catatan.
โKebutuhan akan analisis dokumen medis telah melampaui NLP klasik. Mendeteksi entitas medis tidak cukup untuk memberikan solusi kepada klien kami. Ada kebutuhan untuk mengekstrak narasi dari kasus ini, memisahkan temuan-temuan utama dari kebisingan, menemukan hubungan, dan menyelaraskannya dengan pengetahuan medis dan asuransi,โ kata Man kepada VentureBeat melalui email. โSeiring dengan pandemi yang memaksa karyawan untuk bekerja dari jarak jauh, perusahaan harus mengadopsi teknologi baru lebih cepat dari sebelumnya agar karyawan mereka tetap produktif. Hal ini secara umum berdampak positif pada sikap terhadap teknologi di beberapa model bisnis tradisional, seperti asuransi.โ
Sebelum mendirikan DigitalOwl, Yuval Man adalah bagian dari firma hukum Israel EKT. Amit Man memimpin grup algoritma dan teknologi inti di Briefcam, sebuah startup visi komputer, sebelum mendirikan sebuah perusahaan bernama Takes dan bergabung dengan perusahaan perangkat bantu OrCam.
Dengan mengekstraksi informasi medis dari catatan yang dikirimkan ke platform, Man bersaudara mengatakan bahwa DigitalOwl dapat memberikan โringkasan terfokusโ dari titik data dengan sistem navigasi yang efisien. Untuk satu operator, perusahaan mengklaim telah mengidentifikasi klaim cacat tidak sah senilai $150,000. Di sisi lain, DigitalOwl dilaporkan menghemat $270,000.
โSolusi teknologi DigitalOwl mengekstrak โฆ titik data medis dengan akurasi ekstrem, termasuk semua jenis kanker, penyakit jantung, kecelakaan, operasi ortopedi, diabetes, radang sendi, hipertensi, cedera otak, dan banyak lagi,โ tulis perusahaan itu di situs webnya. โDigitalOwl baru-baru ini mencapai tonggak sejarah lebih dari 30 juta halaman rekam medis yang diproses oleh [platform kami.]โ
DigitalOwl mengklaim melayani โbanyakโ pelanggan di Israel, Kanada, dan AS, termasuk operator asuransi, administrator pihak ketiga, dan perusahaan pengambilan rekaman.
Potensi kekurangan
Perlu dicatat bahwa perusahaan asuransi kesehatan masih dalam tahap awal mengadopsi AI. Dalam survei pasar perusahaan asuransi Jerman pada tahun 2017, McKinsey menemukan bahwa โhanya sedikit perusahaan asuransi kesehatanโ yang memanfaatkan teknologi pembelajaran mesin, karena ketidakpastian mengenai kasus penggunaan praktis, kesenjangan keahlian teknologi dalam organisasi, dan kurangnya transparansi mengenai data yang tersedia. .
Dan terlepas dari semua potensi NLP, teknologi ini rentan terhadap bias dalam kumpulan data yang digunakan untuk โmengajarkanโ teknologi tersebut untuk menemukan pola tertentu dalam dokumen โ termasuk rekam medis. Studi telah mengungkapkan beberapa bias yang dapat muncul dalam catatan kesehatan, termasuk penyebutan yang menghina pasien kulit hitam dengan karakteristik โnegatifโ dan diskriminasi terhadap mereka yang mengidap penyakit sel sabit. Rekam medis juga memuat menstigmatisasi bahasa, yang dapat menyatakan persetujuan, tetapi juga ketidaksetujuan dan stereotip.
Seperti yang ditunjukkan oleh Tom Simonite dari Wired dalam artikelnya baru-baru ini, kumpulan data yang miring adalah hal yang biasa dalam penelitian AI kesehatan karena ketidaksetaraan yang terjadi secara historis dan berkelanjutan. A Makalah Stanford 2020 menemukan bahwa 71% data yang digunakan dalam penelitian yang menerapkan AI pada data medis AS berasal dari pasien di California, Massachusetts, atau New York. Lain belajar, yang diterbitkan tahun lalu, meneliti lebih dari 150 sistem yang menggunakan AI untuk memprediksi diagnosis atau perjalanan penyakit dan menemukan bahwa sebagian besar โberisiko tinggi terjadinya biasโ.
Industri asuransi tidak kebal. Sebuah tahun 2019 belajar menemukan bahwa algoritme yang digunakan oleh perusahaan asuransi untuk mengidentifikasi pasien mana yang akan mendapat manfaat dari program โmanajemen perawatan berisiko tinggiโ memilih lebih sedikit pasien kulit hitam dibandingkan pasien kulit putih, sehingga pasien kulit hitam tidak dapat mengakses staf perawat yang terlatih khusus dan kunjungan tambahan ke layanan kesehatan primer untuk pemantauan lebih dekat.
โAlgoritme pembelajaran mesin memiliki potensi untuk meningkatkan layanan medis dengan memprediksi berbagai hasil berbeda yang diukur dalam catatan kesehatan elektronik dan memberikan dukungan keputusan klinis berdasarkan prediksi ini,โ jelasnya. rekan penulis dari artikel tahun 2018 tentang bias AI dalam layanan kesehatan yang ditulis di JAMA Internal Medicine. โNamun, perhatian harus diberikan pada data yang digunakan untuk menghasilkan algoritma ini, termasuk apa dan siapa yang mungkin hilang dari data tersebut. Kesenjangan layanan kesehatan yang ada tidak boleh diperburuk oleh ketergantungan berlebihan pada mesin.โ
Sebagai tanggapan, Man mengatakan bahwa model DigitalOwl telah โdiperkuatโ dari waktu ke waktu dengan menyerap โpuluhan jutaโ dokumen medis. Untuk mengajarkan model hubungan dalam dokumen, setiap halaman diberi label oleh tim spesialis yang โberpengetahuan luas dalam logika bisnis perawatan kesehatan dan asuransi.โ
โDengan bantuan jaringan saraf, pemahaman, ringkasan, dan bahkan prediksi menjadi mungkin. Standardisasi dan normalisasi informasi tidak terstruktur sama pentingnya bagi perusahaan. Data dari vendor dan penyedia yang berbeda kini dapat digabungkan, dibandingkan, dan digunakan oleh sistem suatu organisasi,โ tambah Man. โSejujurnya, banyak perusahaan yang kurang berinvestasi di bidang ini dan memfokuskan upaya digital mereka pada penjualan dan layanan pelanggan selama bertahun-tahun. Namun tantangan kepegawaian, COVID-19, dan meningkatnya biaya kini mendorong organisasi-organisasi ini untuk mengadopsi solusi teknologi dengan lebih cepat dibandingkan sebelumnya.โ
Selain Ibex, Fusion LA, Menora Mivtachim, dan pendiri Mobileye Amnon Shashua termasuk di antara 50 karyawan Digital Owl pendukung. Perusahaan tersebut saat ini mempekerjakan lebih dari 40 orang di seluruh kantor di Israel dan AS; putaran pendanaan terbaru membuat total modal yang dikumpulkan menjadi lebih dari $26 juta.
Misi VentureBeat adalah menjadi alun-alun kota digital bagi para pengambil keputusan teknis untuk memperoleh pengetahuan tentang teknologi dan transaksi perusahaan yang transformatif. Pelajari Lebih Lanjut
- 000
- 2019
- Tentang Kami
- mengakses
- Menurut
- di seluruh
- AI
- Bias AI
- ai penelitian
- algoritma
- algoritma
- Semua
- Membiarkan
- antara
- analisis
- analisis
- mengumumkan
- tahunan
- artikel
- tersedia
- makhluk
- Big data
- Milyar
- Black
- tubuh
- membangun
- bisnis
- california
- Kanada
- Kanker
- modal
- yang
- operator
- kasus
- tantangan
- klaim
- klien
- Dokumentasi Klinik
- lebih dekat
- Pengkodean
- kedatangan
- Perusahaan
- perusahaan
- Visi Komputer
- kondisi
- Biaya
- bisa
- Covid-19
- tanaman
- Layanan Pelanggan
- pelanggan
- data
- Data Analytics
- alat
- Diabetes
- berbeda
- digital
- Cacat
- Diskriminasi
- Penyakit
- dokumen
- penggerak
- Awal
- karyawan
- Enterprise
- keahlian
- Ekstrak
- faktor
- lebih cepat
- Perusahaan
- ditemukan
- pendiri
- penipuan
- pendanaan
- Putaran Pendanaan
- masa depan
- Masa Depan Pekerjaan
- Aksi
- Kelompok
- kepala
- Kesehatan
- Perawatan Kesehatan
- kesehatan
- membantu
- High
- sejarah
- HTTPS
- Ratusan
- Hipertensi
- mengenali
- Dampak
- penting
- Termasuk
- industri
- informasi
- Mitra Wawasan
- asuransi
- industri asuransi
- Perusahaan asuransi
- Israel
- Israel
- IT
- kunci
- pengetahuan
- bahasa
- Terbaru
- Hukum
- Pengacara
- memimpin
- pengetahuan
- Dipimpin
- Informasi
- memanfaatkan
- Mesin belajar
- Mesin
- Maine
- utama
- pria
- Pasar
- riset pasar
- massachusetts
- medis
- perawatan medis
- obat
- sebutan
- batu
- juta
- Mebel
- model
- pemantauan
- lebih
- paling
- nasional
- National Institutes of Health
- Bahasa Alami
- Pengolahan Bahasa alami
- Navigasi
- jaringan
- saraf
- jaringan saraf
- NY
- NIH
- nLP
- Kebisingan
- Perawatan
- menawarkan
- menawarkan
- organisasi
- organisasi
- Ortopedi
- Lainnya
- jika tidak
- pandemi
- rekan
- pasien
- Konsultan Ahli
- bagian
- Platform
- Portland
- ramalan
- Prediksi
- proses
- program
- memberikan
- pemberi
- kualitas
- meningkatkan
- mulai
- catatan
- arsip
- Hubungan
- kepercayaan
- penelitian
- tanggapan
- Terungkap
- Risiko
- bulat
- Tersebut
- penjualan
- Pencarian
- terpilih
- Seri
- Seri A
- Pendanaan Seri A
- Perangkat lunak
- Solusi
- Secara khusus
- kotak
- Stanford
- startup
- studi
- disampaikan
- Puncak
- mendukung
- Survei
- sistem
- sistem
- Teknis
- Teknologi
- Teknologi
- Masa depan
- Masa Depan Kerja
- Sumber
- pihak ketiga
- waktu
- hari ini
- tradisional
- Transparansi
- kami
- penjaminan
- Pengguna
- dihargai
- vendor
- VentureBeat
- penglihatan
- Situs Web
- Apa
- SIAPA
- dalam
- Kerja
- bernilai
- tahun
- tahun