Ir para o conteúdo principal
Saúde e ciências da vida

Além de analisar X12: Fechando a lacuna para fluxos de trabalho do ciclo de receita na área da saúde

por Aaron Zavora e Neel Shapur

  • O problema dos dados está resolvido; o problema do fluxo de trabalho não. Faturistas de saúde têm dados EDI 835/834/837 totalmente analisados em seu lake, mas ainda passam metade do dia em planilhas e consultas SQL em vez de realmente trabalhar negações e apelações.
  • Genpact e Databricks construíram uma bancada de trabalho operacional que fica diretamente sobre as visões gold do Unity Catalog (sem cópias sombra de ETL, PHI nunca sai do perímetro seguro), dando às faturistas uma UI projetada para fins específicos com uma fila de negações, gaveta de remessa, alertas de idade de prazo para apelação e redação de apelação com um clique.
  • GenAI é a próxima camada, integrando Claude via APIs do Databricks Foundation Model para ler o código CARC, buscar o 837 original, revisar a documentação clínica e redigir automaticamente a carta de apelação para que as faturistas revisem e aprovem em vez de escrever do zero.

É segunda-feira, 8h. Uma faturista médica abre sua fila.

Durante o fim de semana, os arquivos de remessa 835 de sexta-feira caíram perfeitamente em seu data lake. Cada Código de Motivo de Ajuste de Reivindicação (CARC) e código de Ajuste em Nível de Prestador (PLB) foi analisado, decodificado e normalizado. Das 412 reivindicações no arquivo, 38 estão com pagamento a menor. A janela de prazo para apresentação da apelação da negação mais antiga está a 27 dias de distância.

Ela tem todos os dados de que precisa. O que ela não tem é um lugar para agir sobre eles.

Em vez disso, ela passa a manhã percorrendo manualmente os loops 2100 e 2110, os detalhes aninhados de reivindicações e linhas de serviço embutidos em cada arquivo EDI, em uma consulta SQL, colando pagamentos a menor em uma planilha e reconciliando-os com um registro de pagamento. Quando ela realmente pega o telefone para contestar uma negação, metade do seu dia se foi.

De acordo com a KFF, as seguradoras negaram 1 em cada 5 reivindicações dentro da rede no HealthCare.gov em 2023, e menos de 1% dessas negações foram contestadas, o que significa que a maioria dos pagamentos a menor simplesmente permanecem a menor.

A realidade da TI moderna em saúde é esta: O problema dos dados está em grande parte resolvido. O problema do fluxo de trabalho não está.

Esta é a lacuna operacional em X12 de saúde – a camada ausente logo acima do motor de análise. Para corrigi-lo, Genpact e Databricks construíram uma bancada de trabalho operacional unificada que reside inteiramente em seu ambiente Databricks existente. O PHI nunca sai do seu perímetro seguro, a UI consulta os dados no local e a segurança em nível de linha é aplicada automaticamente.

Veja como tiramos suas faturistas de planilhas e as colocamos de volta no trabalho com reivindicações.

Onde o Pipeline Geralmente Para

X12 continua sendo a espinha dorsal do pagamento de saúde nos EUA (835, 834, 837). O parser de código aberto x12-edi-parser, de autoria da equipe Databricks, é o ponto de partida perfeito. Ele pega arquivos brutos, entende os loops e grava registros normalizados no Delta Lake.

Mas, embora isso leve um analista de dados a uma consulta SQL, não leva uma faturista a uma apelação.

O pipeline de medalhão de arquivos X12 brutos até a UI React, com o limite de PHI do Unity Catalog claramente tracejado em torno das camadas de dados Bronze/Silver/Gold para mostrar conformidade.

O Que Construímos: A Bancada de Trabalho Operacional

Para preencher essa lacuna, construímos uma solução em duas camadas: estendendo o parser subjacente para a realidade de nível de produção e construindo uma superfície operacional segura e intuitiva para sua equipe.

Camada 1: Estendendo o Motor

As necessidades de RCM do mundo real exigem consultas que os parsers de código aberto padrão nem sempre capturam. Estendemos o motor para incluir:

  • Inscrição Contextual (834): Rastreamento de ponta a ponta de patrocinadores e dependências.
  • Ajustes Decodificados (835): Campos de grupo/motivo CAS decodificados por tabela de códigos. Esta é a diferença entre uma faturista olhando para "CO-45" versus lendo "CO-45: o custo excede a tabela de honorários" em sua tela.
  • Contribuições Upstream: Não fizemos um fork do código; essas extensões de esquema e teste são enviadas de volta para a comunidade de código aberto.

Camada 2: A Área de Trabalho da Faturista

Esta é a superfície operacional – um aplicativo web seguro que fica diretamente sobre o seu conector Databricks SQL. Cada número em cada tela é uma consulta ao vivo contra uma visão gold do Unity Catalog. Não há cópia sombra de ETL nem cache sincronizado.

A bancada de trabalho possui seis visualizações principais projetadas para a forma como as equipes de RCM realmente trabalham:

Trabalhando as Reivindicações:

  • A Gaveta de Remessa (835): Uma faturista vê exatamente quais códigos CARC estão impulsionando a lacuna entre o faturado e o pago. Elas podem abrir qualquer reivindicação até o detalhe da linha de serviço e redigir uma apelação ou correção sem sair da tela.
  • Bancada de Trabalho de Negações: As janelas de prazo para apresentação de apelações tornam a idade a métrica mais crítica no chão de fábrica. Linhas ficam vermelhas quando ultrapassam 30 dias. Você pode filtrar por pagador, CARC ou fila. O estado do filtro é codificado na URL, o que significa que um gerente pode colar uma lista de trabalho priorizada no Slack para sua equipe.
  • Inscrição (834): Coordenadores de benefícios podem ver novos contratados, mudanças de plano e rescisões em uma única visualização, com cliques para detalhar o segmento exato que falhou.

A Bancada de Trabalho de Negações. Observe as duas linhas com mais de 30 dias em vermelho, os indicadores de idade chamando a atenção para a criticidade e o total de dólares em risco na barra de status para visibilidade imediata.

A reivindicação CLM-4209 está selecionada. A gaveta exibe três linhas de serviço, decodifica o ajuste CO-45 em linguagem clara e expõe botões de ação diretos para Rascunhar Apelação / Correção.

Gerenciando o Chão de Fábrica:

  • Painel de Liderança: Reivindicações MTD, taxas de correspondência de pagamento, membros ativos e negações abertas em uma única visualização. Se um feed de pagador falhar, você verá no mesmo dia.
  • Portões de Qualidade: Contagens de segmentos incompatíveis significam que um pagador rejeitará um arquivo inteiro. Nossa camada de qualidade detecta essas incompatibilidades na ingestão, antes que o arquivo seja enviado.
  • Auditoria e Segurança: Cada revelação de PHI e mudança de estado do fluxo de trabalho é registrada. Se um usuário precisar de acesso a PHI de emergência, o sistema exigirá um motivo escrito, que é automaticamente registrado em auditoria.

O modal de acesso de emergência mostrando o bloqueio de segurança, o campo de motivo pré-preenchido, o aviso de conformidade HIPAA e a visualização da entrada de log antes que a faturista confirme o acesso.

Olhando para o Futuro: Redação de Apelações com GenAI

Colocar os dados na frente da faturista é o primeiro passo. O segundo passo é acelerar o trabalho.

A próxima fronteira para esta bancada de trabalho é a integração de um modelo Claude via APIs do Databricks Foundation Model. Em breve, o sistema lerá o código CARC, buscará o 837 original, revisará a documentação clínica e redigirá dinamicamente a carta de apelação. Em vez de escrever a partir de uma página em branco, sua faturista simplesmente atua como revisora e aprovadora.

Experimente com Seus Próprios Dados

A implantação disso em seu ambiente é uma questão de configuração, não de código. Ele se integra perfeitamente com o acelerador Databricks X12 EDI.

Dê-nos duas semanas, seu esquema do Unity Catalog e vinte negações já em sua fila. Cronometre sua faturista trabalhando nessas negações hoje – depois cronometre-as trabalhando em um coorte correspondente na bancada de trabalho.

Você é dono dos dados, você é dono do cronômetro e você é dono da conclusão.

Para dimensionar isso para sua organização, entre em contato com Neel Shapur ([email protected]) ou Aaron Zavora na Databricks.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original

Receba os posts mais recentes na sua caixa de entrada

Assine nosso blog e receba os posts mais recentes diretamente na sua caixa de entrada.