적절한 시기에 적절한 관리 제공

“적절한 시기에 적절한 관리” 철학 이해하기
건강 계획과 제공자들은 항상 회원이나 환자에게 적절한 시기에 적절한 관리를 제공하는 것이 공통된 목표였습니다. 건강 계획에 대해 말하자면, 그것은 종종 미래의 중간 및 장기 비용을 줄일 서비스를 승인하는 것을 의미했습니다. 반면 제공자들은 č자주 오늘의 환자에게 가장 좋은 것을 찾으려고 노력했습니다. 호환성이 점점 성숙해지는 시대에 "적절한 시기에 적절한 관리"는 무엇을 의미하나요?

오늘날, 이는 선행적이고 예측적인 분석을 활용하여 의료 결정을 더 빠르게 내리는 것을 포함하여 사전 승인, 의료 품질, 의료 조정 또는 의료 현장에서 취하는 조치에 영향을 주는 것을 의미합니다. 전통적인 머신러닝(ML)을 사용하면, 데이터 과학 팀은 실시간 병원 거래를 사용하여 현재 환자가 퇴원 시 재입원 위험이 높거나, 병원 내에서 전환할 때마다 패혈증을 걸릴 확률을 예측할 수 있습니다. 생성적 AI 에이전트는 의사가 환자의 의료 기록, 실시간 상호작용, 그리고 의료 매니저의 평가와 의사결정을 보완하는 데이터에서 입증된 결과를 활용하여 회원의 의료 관리에 대한 보다 적절한 의료 계획을 설정하는 데 도움이 될 수 있습니다.

“적절한 시기에 적절한 의료”를 제공하기 위해, Payer-to-Payer such as (CMS-9115-F, CMS-0057-F)와 같은 상호 운용성 요건은 건강 계획이 전환될 때 회원에게 연속성 있는 의료를 제공하도록 촉진합니다. HL7 FHIR을 사용하면 청구와 인구통계 정보뿐만 아니라 이력적인 임상 데이터와 활성 의료 계획도 교환할 수 있습니다. 새로운 계획은 첫 날부터 기존의 의료 계획을 계속할지, 그를/그녀를 새로운 계획에 등록할지에 대한 정보적인 결정을 내릴 수 있습니다. 또한, 새로운 계획은 이 새로운 회원 집단이 계산된 계층적 조건 카테고리, HEDIS 및 기타 품질 점수, 현재 속성이 부여된 기본 의료 제공자에게 어떤 영향을 미칠지, 그리고 건강 계획이 현재 회원에게 만드는 모든 다른 분석을 통해 위험 조정에 어떤 영향을 미칠지 배울 수 있습니다. 역사적으로, 이를 정확하게 수행하려면 상당한 청구량이 필요했습니다.

더 나은 관리, 부담 감소: 전자 사전 승인으로부터의 이익
CMS-0057 전자 사전 승인 명령은 건강 관리 제공자와 보험사 간의 협업을 향상시키는 중요한 기회를 제공합니다. 널리 채택된 EHR 시스템과 FHIR 데이터 교환 표준을 활용하면, 제공자는 서비스 또는 약물 승인 요청을 EHR에서 직접 제출할 수 있습니다. 이는 요청의 세부 정보 뿐만 아니라 건강 계획 승인 요구 사항을 충족시키는 모든 근거를 포함합니다.

예를 들어, GLP-1 약물 요청은 앞서 처방된 여러 약물들이 2형 당뇨병에 대한 HbA1c를 크게 줄이지 못했음을 필요로 할 수 있습니다. 오늘날에는 우선 환자가 메트포민을 처방받았는지, 그리고 초기 처방 전후의 분기별 HbA1c 값이 무엇인지 묻는 설문지와 같은 요건 양식을 완성해야 할 수도 있습니다. 이는 스캔이나 팩스로 보낸 진단 보고서의 요청이 뒤따르며, 이 보고서는 크게 변화하지 않거나 심지어 의료 계획의 의료 감독과 직접 상호작용을 요청하여 사례를 검토하는 대신 제공자의 임상 메모를 검토하도록 요청할 수도 있습니다.

이전의 보험 설계 발급에 호환되었던 제공자의 연락을 필요로하는 관리는 비효율적이며, 고비용 및 시간 소비적인 관리적 부담을 일으킵니다. FHIR을 사용하면, 처방이 채워지고 (약국 요구), 임상 노트와 진단 보고서가 원래의 GLP-1 약물 요청에 추가된 리소스로 포장될 수 있어 배급 여부를 결정하기 위해 필요한 모든 관련 데이터를 가질 수 있습니다. 근거를 EHR에서 직접 제공하고, 요청을 FHIR 번들에 포함시킴으로써, 보험 사는 환자의 진실 데이터를 더 결정적인 방식으로 분석하고 승인하는 데 사용할 수 있고, 전통적인 설문조사와 같은 기준을 사업 규칙으로 바꾸게 된다.

이러한 패러다임 변화는 제공자의 행정 시간을 절약하고, 오류를 최소화하며, 투명성을 촉진하며, 가능하면 자동 승인이나 지불자에 대한 승인 시간을 크게 줄일 수 있습니다. 복잡한 경우에는, 지불자는 ML과 생성적 AI를 활용하여 이용 관리 간호사와 의료 감독을 위한 정보를 풍부하게 하고, 승인 과정을 개인화된 환자 관리의 기회로 바꿀 수 있습니다. 결국, 수동 리뷰가 적고, 우수한 데이터와 통찰력이 결합되어, 승인 절차를 가속화하며, 비용을 줄이고, 행정적 부담을 감소시키며, 환자, 회원, 제공자에 대한 만족도를 높입니다.

양방향 데이터 교환: 생태계 내에서의 관리 조정
두 가지 의무 모두, 의료 데이터 교환을 통해 환자 결과에 대해 협력하고 조정하는 것에 대한 보험사와 제공자 사이의 의사소통을 개선합니다. 예를 들어, 머신러닝을 사용하면, 보험료는 건강 검진이나 실험실 방문을 추천하거나 심지어 스케줄을 잡아 새로운 진단을 확인하거나 잠재적인 장기 부정적 이벤트를 방지할 수 있습니다. 생성적인 AI와 AI 에이전트 프레임을 사용하면, 관찰 범위를 ML 모델의 특징에 따른 정보를 포함하여 FHIR 거래로 포장할 수 있습니다. 그런 다음 FHIR 번들을 가치 기반의 지급 합의 또는 이니셔티브를 지원하는 우리의 치료 관계에 대한 통찰력을 제공하기 위해 제공자의 EHR에 보낼 수 있습니다. 입원, 퇴원 & 이송 (ADT) 거래의 경우, 이러한 양방향 개선 기회는 거의 실시간으로 진행될 수 있습니다.

당신의 데이터 플랫폼은 따라잡을 수 있나요?
보험사-제공자 파트너십을 가능하게 하는 데이터는 많은 서로 다른 소스와 시스템에서 오며, 다른 형식으로 제공됩니다. 이는 단일 조직 내부에서만 과제가 아니며, 이 복잡성은 여러 조직 간에 서로 다른 데이터, 다른 형식의 데이터, 그리고 여러 소스에서의 데이터를 교환할 때 기하급수적으로 증가합니다.

실제로, 모든 의료 기관이 데이터를 빠르게 교환할 수 있는 능력은 환자 결과, 예방 의료 및 따라서 비용 절약을 위한 문을 엽니다. 그러나 FHIR로 전송된 데이터를 생성하고, 삼키고, 분석하는 것은 아직도 도전이 될 수 있습니다. 강력한 보험사-제공자 파트너십에 참여하는 주요 장애물은 보험 IT 조직의 핵심에 있는 구식이며 종종 독립적인 데이터 인프라입니다. 많은 중심 관리 시스템들은 여전히 사내에서 운영되며, 더 민첩한 클라우드 기반의 데이터와 분석 환경에서 데이터를 확장하거나 즉시 집중시키는 능력이 없습니다. 이러한 시스템들은 또한 소유권이 있는 데이터 구조를 활용하며, 이는 반드시 다른 데이터 유형에 대한 내부 호환성이나 호환 가능한 표준 및 교환 프로토콜을 지원하지는 않습니다.

FHIR 형식의 확장성은 모든 임상 데이터 교환에 대한 상위집합 역할을 할 수 있다는 것을 의미하며, 이를 통해 이들 기관이 하나의 데이터 형식으로 전환하고 표준화하는 것이 가능합니다. FHIR 번들에 포함시킬 수 있는 모든 가능한 리소스 타입을 성공적으로 생성하려면, 기관은 모든 요소를 통합하기 위해 잘 관리되고 중앙집중적인 레이크하우스 아키텍처가 필요합니다. 이로 인해 임상 의사결정자들이 최신 의료 데이터를 교환하고 바로 사용할 수 있도록 향후 실시간 업데이트가 필요할 수 있습니다. FHIR의 소비와 분석이 효율적이어야 하며, 애플리케이션에서만 사용할 뿐만 아니라 분석 및 머신러닝에 즉시 사용할 수 있어야 합니다. 기관 간 거래에는 탁월하지만, FHIR 형식은 분석가와 데이터 과학자가 원래의 형태로 사용하는데 많은 도전을 제시합니다.

이 상호 운용성의 예
FHIR은 리소스 유형의 형태로 임상 데이터 교환에 대한 많은 개념을 표준화하지만, 리소스 유형의 어떤 요소가 일관되게 채워져야 하며 어떻게 해야 하는지에 대한 해석을 열어놓습니다. 예를 들어, 확장성 및 유연성을 달성하기 위해, 많은 리소스 유형에는 "확장" 요소가 포함되어 있어, 리소스 유형 자체에서 공식적으로 모델링되지 않은 어떤 추가 데이터든 관련성이 있다고 판단되면 포함될 수 있습니다. "extension" 요소는 또한 자체 확장을 포함할 수 있으며, 일관된 스키마가 없는 깊이 중첩된 데이터 포인트를 허용합니다. 종종 이러한 확장은 NCQA 보고에 필요한 출생 성별, 성별, 인종 또는 종족과 같은 중요한 정보를 포함할 수 있습니다. 추가로는, 번들 유형 간 및 생성하는 조직 간에 리소스 타입의 순서 및 수가 다를 수 있습니다. 이는 표준 “읽기 위한 스키마” 방법이 FHIR JSON 파일 하나 이상에서 작동하지 않음을 의미하며, 각각이 독특한 스키마를 제시하기 때문입니다. 임상 데이터의 다른 기원은, 여러 조직에 걸쳐 나타나는 것은 기존 기업 데이터와 통합하는 데 도전을 제시합니다. 이러한 도전은 조직 간의 고유한 사람 식별자의 변동성과 정보의 부족 또는 다양한 시스템 간의 동일한 정보의 다른 표현 때문에 명확하게 구별되는 중복 데이터 항목의 가능성에서 비롯됩니다. 이러한 문제로 인해 많은 조직이 위에서 언급한 분석사용 사례에서 임상 데이터의 힘을 활용하는 데 어려움을 겪었습니다.

아바쿠스 플랫폼 아키텍처

CMS-0057-F 마감일을 앞두고 보험 데이터 기반을 현대화하기
독특한 보험 데이터 문제를 해결하기 위해, 아바쿠스 인사이트는 Databricks와 협력하여 대규모로 상호 운용성을 지원하는 현대적인 클라우드 기반 보험 데이터 관리 플랫폼을 제공합니다. 아바쿠스 보험 데이터 foundation의 사용 가능한 데이터는 CMS 상호 운용성 및 사전 승인 명령을 완전히 준수하는 보험사를 지원하며, 이를 넘어서는 전략적 사업 가치를 해제합니다. 아바쿠스 플랫폼을 사용하면, CMS-0057 API를 운영화하는 데 필요한 중요한 임상 및 행정 데이터는 부합 - 품질 관리, 위험 조정 성과, 재무 보고 및 화해, 인구 건강/가치 기반 관리 분석 등 범위를 넘어서는 비즈니스 사용 사례를 가능하게 할 수 있습니다.

아바쿠스의 임무는 데이터 사일로를 해제하고 보험사와 제공자 조직간의 실시간 협업을 가능하게 하는 것입니다 - 이는 CMS-0057-F 명령의 요구사항을 기반으로 합니다. 우리의 클라우드 기반 데이터 플랫폼은 이러한 핵심 관리 시스템에서 데이터를 클라우드로 마이그레이션하고 사용 사례에 관계없이 서로 다른 데이터 구조를 통합하는 능력을 가지고 있습니다. 이로써 보험 사는 단일 데이터 피드를 사용하여 모든 경우에 대한 피드를 사용할 수 있습니다. 핵심 역량은 많은 서로 다른 시스템 간에 통합이며, 이는 보험사의 핵심 인프라와 외부 시스템의 통찰력 및 제공자 파트너로 확장됩니다. 이러한 기능들은 오늘 충족도를 지원하고 내일 경쟁력 있는 혁신을 지원하는 미래의 데이터 foundation을 만들어냅니다. — Vinny Tumminello, AVP, 솔루션 전략 - CMS 호환성, 아바쿠스 인사이트

Databricks에서 나는 종종 고급 분석 및 AI 애플리케이션에 필요한 모든 분산 데이터 소스를 얼마나 혼합하고 통합하는 것이 최선인지뿐만 아니라 그 데이터를 어떻게 모델링하는 것이 최선인지에 대해 묻는 경우가 많습니다. 내가 Abacus와 그들의 독특한 Databricks 기반 제품을 생각할 때, 이것은 잘 설계되고 유지 보수되는 레이크하우스에서 제로에서 식스티로 넘어가는 것이며, 이것은 지불자의 분석가나 데이터 과학자가 임상 데이터 사용 사례를 시작하는 데 필요한 것의 85% 이상을 통합하는 것을 의미합니다. 이것은 가치를 위한 시간이며, Abacus를 Databricks 계정에 배포하면 모든 데이터와 AI 자산에 대한 중앙집중적인 거버넌스와 보안을 Unity Catalog로 얻을 수 있으며, 임상 데이터는 한 테넌트를 벗어나지 않습니다. — Matthew Giglia, 솔루션 아키텍트, Databricks

CMS 호환성 준수를 전략적 사업 이점으로 전환하기
CMS-0057-F 상호 운용성 및 사전 승인 명령의 효과일인 2027년 1월을 앞두고, 문제는 순전히 준수에 대한 것이 아닙니다. 그것은, 보험 수급자들이 CMS 준수에 의해 촉진된 행동을 취하게 될 것인가, 그들의 인프라 구조를 현대화하여 실시간 운영 및 분석 사용 사례를 가능하게 하면서 보험 수급자들과 제공자들 사이의 조정 격차를 메울 것인가,를 묻는 것입니다. 아니면 이것은 또 다른 환자 접근 (CMS-9115-F) 경험이 될 것인가 - 긴 구현 시간표, 최소한의 채택, 그리고 CMS 준수 이상의 제한된 비즈니스 가치?

우리의 임무는 지불자가 준수 사항을 체크하는 것뿐만 아니라, 그들의 데이터 기반을 현대화하여 그들의 데이터로부터 더 큰 가치를 추출할 수 있도록 돕는 것입니다. 함께하면, 우리는 결과를 중심으로 전략을 집중하고 경험을 얻으며 의료비용의 급증에 대응하는 비즈니스 사례를 가능하게 합니다.

Abacus on Databricks가 어떻게 상호 운용성 사용 사례를 가속화할 수 있는지 확인하기 위해 우리와 연락하세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)