Wil je je productie afspraken van 2022 en 2023 eenvoudig vullen?

Het gebruik van AI-taalmodellen voor de beoordeling van tekstverslagen is een baanbrekende ontwikkeling. Hiermee vermindert ValueCare administratieve lasten aanzienlijk en tegelijkertijd worden miljoenen aan onderregistratie opgespoord.

Het opstellen van verslagen en het invullen van verrichtingen en DBC's gebeurt momenteel grotendeels handmatig. Het is een tijdsintensief proces en vanwege de druk van de zorglevering en het gebrek aan personeel gaat er veel mis. Dit leidt tot het verlies van miljoenen euro's per jaar aan zorg die wel is geleverd, maar vanwege onjuiste registratie niet (goed) wordt gefactureerd.

Dit proces kan volledig worden geautomatiseerd, waarbij het patiëntendossier de enige waarheid is. ValueCare beoordeelt geautomatiseerd alle medische verslagen, checkt op feitelijke levering en vult het EPD met gemiste registratie van geleverde zorg.

Wat levert het op?

Volledige automatische beoordeling van tekstverslagen levert miljoenen omzet op en hoge FTE-besparingen van zowel specialisten als administratief medewerkers. Gemiste productie van ongeregistreerde zorg wordt teruggevonden, steekproeven worden overbodig en onzekerheid over terugbetalingen aan verzekeraars gaat nagenoeg naar nul. De eerste oplevering AI analyses is al binnen 3 weken.
 

Hoe werkt zo’n AI Audit van tekstverslagen?

AI-ontwikkelaars bij ValueCare bouwen taalmodellen die niet alleen nauwkeurige voorspellingen doen, maar ook navolgbaar en gecertificeerd zijn. De AI taalmodellen beoordelen de tekstverslagen uit het EPD op juiste en volledige facturatie. Verslagen van kostbare zorg op SEH en OK worden bijvoorbeeld volledig beoordeeld, vervolgens wordt het EPD gevuld en aangepast waar nodig.

Alle declarabele handelingen worden op die manier uit de verslagen van het medisch personeel gefilterd. Vervolgens wordt die informatie gecontroleerd op fouten, feitelijke levering en gemiste registraties. Dat gaat helemaal automatisch én de inrichting kost het ziekenhuis nauwelijks werk.

Om dit te bereiken volgen we de volgende stappen:

1. Training taalmodel

ValueCare richt de infrastructuur in om de AI-taalmodellen te trainen en in te zetten voor het aantonen van feitelijke levering én opsporen van gemiste verrichtingen. ValueCare maakt bij de training van haar taalmodellen gebruik van een golden set (gouden set) en een trainingsset.

2. Inzet getraind model – predictive AI

Het getrainde AI model wordt vervolgens ingezet om te voorspellen of productie feitelijk is geleverd of er sprake is van gemiste registratie. Het model analyseert ongestructureerde data en classificeert de data, inclusief betrouwbaarheid. Het model checkt ook conform de wet- en regelgeving op juiste zorgverlener, of het verslag een zorginhoudelijke inhoud heeft en of de afspraak echt heeft plaatsgevonden.

ValueCare toont resultaat inclusief betrouwbaarheid en onderbouwing wat heeft bijgedragen aan de classificatie (Explainable AI).

3. Continue verbetering van het model

Om het model te blijven trainen passen we “human-in-the-loop” toe, waar we het oordeel van de werknemer automatisch verwerken in het verbeteren van het model. Daarnaast trainen we het model op basis van input uit de inzet van het model binnen het netwerk ("Federated learning") en we verbeteren het model mbv nieuwe algoritmes, technieken en configuratie van de training.

4. Beheer en onderhoud + certificering

ValueCare verzorgt volledige ontwikkeling, beheer en onderhoud van het AI-model. Via het portaal wordt terugkoppeling gegeven over de gerealiseerde en potentiële opbrengst van de AI-inzet. ValueCare laat ook het AI model op feitelijke levering jaarlijks certificeren.

Veilige inzet van AI

ValueCare garandeert veilig gebruik van gevoelige informatie door de inzet van eigen AI-taalmodellen. De data blijft op de server: ValueCare stuurt geen gegevens naar AI tools (zoals ChatGPT) op internet. Ook zorgt ValueCare voor transparantie van de interpretaties en voor (versie-) beheer en auditing van de gebruikte modellen.