주요 컨텐츠로 이동
의료 및 생명 공학

CMS TEAM 하에서 성공하기: 현재와 미래의 VBC 성공을 실현하기 위한 학습 건강 시스템 구축

작성자: Kayla Grieme, Benjamin Goldsteen , Shankara Ettigi

  • 필수 CMS TEAM 프로그램은 700개 이상의 병원에서 5가지 고빈도 수술 에피소드의 총 비용과 품질을 관리하도록 요구합니다. 성공하려면 과거 보고를 넘어서 선제적이고 데이터 기반의 개입을 가능하게 해야 합니다.
  • 많은 제공업체는 통합되고 AI 기반 데이터 기반이 부족하여 임상 및 청구 데이터 전반에 걸쳐 단일 진실 공급원을 설정하고 예측 인사이트를 케어 워크플로에 통합하기 어렵습니다.
  • 이러한 가치 기반 케어 기능을 구현하면 가치 기반 케어 전문가의 안내를 받아 상당한 재정 및 품질 성과를 얻을 수 있습니다. 건강 시스템은 SNF 비용 15% 감소 및 재입원율 12% 감소와 같은 일반적인 결과를 실현할 수 있습니다.

2026년 1월 1일부터 미국 전역의 700개 이상의 병원이 가치 기반 진료에서 새로운 현실에 직면했습니다. 미국 메디케어 및 메디케이드 서비스 센터(CMS)의 TEAM(Transforming Episode Accountability Model)은 선정된 조직에 입원부터 퇴원 후 30일까지 5가지 고빈도 수술 에피소드에 대한 총 비용과 품질을 관리하도록 의무화했습니다.

재정적 위험은 상당합니다. 미국 외과 의사 협회에서 발표한 데이터를 분석한 결과, 성과가 가장 좋은 의료 시스템은 연간 4백만~3천만 달러의 공유 절감액을 확보할 수 있었던 반면, 준비되지 않은 조직은 프로그램 5년 동안 1천만 달러 이상의 상환 위험에 처할 수 있습니다.

하지만 대부분의 병원이 직면할 준비가 되지 않은 과제가 있습니다. 바로 전통적인 분석 인프라는 TEAM이 요구하는 사전 예방적 임상 의사 결정을 지원할 수 없으며, 결국 불이익 위험(대부분 참가자에게 2년차부터 의무화)에 대한 준비도 제대로 되어 있지 않다는 것입니다. 성공하려면 월별 대시보드와 분기별 검토를 넘어 데이터 인텔리전스 기반으로 나아가 에피소드가 비용 목표를 초과하기 전에 개입할 수 있어야 합니다.

TEAM의 데이터 복잡성 이해

TEAM은 고비용 전문 진료 에피소드에 초점을 맞춰 CMS의 번들 프로그램 발전에 중요한 이정표를 세웠습니다. 완전 인공 관절 치환술(CJR) 및 의료 개선을 위한 번들 지급(BPCI) Advanced는 일반적으로 몇 가지 시술 유형에 초점을 맞췄지만, TEAM은 5가지 에피소드 범주에 걸쳐 수술 절차에 대한 번들 지급을 의무화합니다.

  • 하지 관절 치환술
  • 관상동맥 우회술(CABG)
  • 외상성 고관절 및 대퇴골 골절 치료
  • 척추 유합술
  • 주요 장 수술

각 에피소드는 수술실부터 숙련된 간호 시설(SNF), 가정 건강 기관, 외래 후속 진료에 이르기까지 여러 진료 환경에 걸쳐 30일의 책임 기간을 생성합니다.

이러한 복잡성은 전례 없는 데이터 통합 문제를 야기합니다. 병원은 병원 EHR 데이터, 파트 A 및 파트 B 서비스에 대한 청구, SNF 및 가정 건강 전반의 급성기 후 진료 데이터, 비용 및 품질에 영향을 미치는 사회적 결정 요인, 수백 명의 외과 의사 및 전문가에 걸친 의료 제공자 성과 지표를 동시에 추적해야 합니다.

청구가 완료되는 데 6~9개월이 걸리는 전통적인 접근 방식으로는 병원이 개입하기에는 너무 늦은 후에야 성과를 파악하게 됩니다. 업계 데이터는 긴급성을 강조합니다. 현재 지출 패턴을 기준으로 병원의 3분의 2가 TEAM 하에서 수익을 잃을 것이며, 개별 에피소드는 사례당 3,000달러의 이익부터 5,500달러의 손실까지 다양합니다. 승자와 패자의 차이는 규모가 아니라 지능형 데이터 기반이 지원하는 운영 능력입니다.

TEAM을 위한 현대적인 데이터 아키텍처

지능형 데이터 기반 구축

TEAM과 같은 가치 계약 모델에서 성공하는 의료 시스템은 공통된 데이터 인프라 특성을 공유합니다.

  • 통합 데이터 플랫폼: 기업 및 비계열 지역사회 건강 제공업체 전반의 임상, 청구 및 운영 데이터를 통합하는 단일 진실 공급원입니다. 품질, 재무 및 운영을 위한 별도의 데이터 마트를 유지하는 대신, 선도적인 조직은 구조화된 데이터와 비구조화된 데이터를 모두 대규모로 지원하는 클라우드 네이티브 데이터 레이크하우스 아키텍처로 통합합니다.
  • AI/ML 통합: 위험 계층화, 개입 권장 사항 및 합병증 예측을 개선하기 위해 결과로부터 지속적으로 학습하는 예측 모델입니다. 이러한 모델은 일회성 실험이 아닌 운영화되어 프로덕션에 배포되어야 합니다(모니터링 및 재훈련 포함).
  • 내장 워크플로: 독립형 포털이 아닌 기존 도구 내에서 제공되는 임상 통찰력입니다. EHR 통합, 퇴원 계획 시스템 또는 케어 코디네이션 플랫폼(포털)을 통해 인텔리전스는 사용자의 일상 워크플로에서 만나야 합니다.
  • 확장 가능한 아키텍처: CMS가 TEAM을 확장함에 따라 확장 가능한 에피소드 범주를 처리할 수 있는 인프라입니다. 최신 클라우드 플랫폼을 기반으로 구축하면 인프라 재작성 없이 시스템을 확장할 수 있습니다.

현대 데이터 아키텍처가 지원하는 중요 기능 매트릭스

기본적인 데이터 통합 인프라가 구축되면 의료 시스템은 사전 예방적 에피소드 관리를 지원하는 데이터 기반 기능을 구현하는 것을 고려해야 합니다.

임상

다음 최적 행동 의사 결정 지원

사전 예방적 케어 격차 해소

환자 악화 경고

운영

고급 위험 포착 및 계층화

진료 장소 계획

조정된 급성기 후 케어 경로

프로그램 관리

고가치 의료 제공자 네트워크 인텔리전스

지속적인 QI/PI 기회 식별

예측적 성과 격차 경고

다음 최적 행동 의사 결정 지원

임상의는 에피소드 활용 및 품질에 영향을 미치는 수백 가지의 일상적인 결정에 직면하게 될 것입니다. 지능형 의사 결정 지원은 환자에게 최상의 결과를 실현하기 위한 특정 개입을 제안하고 합병증에 대한 임상 또는 사회경제적 위험 요인을 식별하여 진료 시점에 개인화된 권장 사항을 제공해야 합니다. 이를 위해서는 임상 및 지역사회 데이터를 머신러닝 모델에 통합해야 하며, 이 모델은 결과로부터 지속적으로 학습하여 EHR 통합을 통해 임상 워크플로에 직접 내장될 수 있어야 하며, 임상의가 찾아야 하는 별도의 보고서가 되어서는 안 됩니다.

조정된 급성기 후 케어 경로

급성기 후 케어는 병원 외부의 가장 큰 지출 동인이며, SNF 및 가정 건강 비용은 임상적으로 유사한 환자에 대해 300~400%까지 다양합니다. SNF 성과 벤치마킹, 비용 및 품질 데이터를 보여주는 퇴원 계획 의사 결정 지원, 재입원 위험 경고가 있는 퇴원 후 모니터링, PAC 파트너가 에피소드 비용 상태를 볼 수 있도록 하는 양방향 데이터 교환을 지속적으로 업데이트하려면 사전 예방적 모니터링 및 아웃리치가 필요합니다.

고가치 의료 제공자 네트워크 인텔리전스

임상의 파트너 성과의 차이는 에피소드 비용과 품질에 직접적인 영향을 미칩니다. 시스템은 지속적으로 업데이트되는 의료 제공자 수준 분석, 임상의 팀이 성과를 비교할 수 있는 동료 벤치마킹 기능, 최고 성과자와 최저 성과자 간의 특정 프로세스 차이를 보여주는 모범 사례 식별 기능, 추천 패턴 최적화를 제공해야 합니다. 이를 위해서는 사례 믹스와 환자 위험을 고려한 복잡한 귀속 논리가 필요하며, 각 에피소드가 완료될 때마다 자동화된 의료 제공자 점수 카드가 새로 고쳐집니다.

실제 영향: 데이터에서 달러로

TEAM의 새로운 에피소드 번들이 시스템에 미칠 수 있는 재정적 영향을 이해하려면 번들 프로그램에서 지원한 의료 시스템에서 가져온 복합 사례를 고려하십시오.

약 725개의 TEAM 에피소드를 연간 처리하는 500병상 규모의 학술 의료 센터는 6개월 동안 현대적인 데이터 기반을 구현하여 EHR, 청구 및 PAC 데이터를 통합 클라우드 플랫폼으로 통합했으며, 최신 에피소드 대시보드, 입원 시 고위험 에피소드를 표시하는 예측 모델, 퇴원 워크플로에 통합된 다음 최적 행동 권장 사항, 주간 업데이트되는 SNF 점수 카드를 포함했습니다.

결과는 효과적인 번들 관리의 일반적인 패턴을 반영했습니다.

  • 데이터 기반 퇴원 계획을 통한 SNF 비용 15% 감소,
  • 자동 알림을 통한 위험 포착 완전성 8% 향상,
  • 고위험 환자를 식별하는 예측 모델을 통한 재입원 12% 감소로, 기준선 예측에 비해 상당한 긍정적 재정적 영향을 가져왔습니다.

성공을 이끈 주요 지표는 다음과 같습니다.

  • 에피소드 비용 추세와 지출 목표의 일일 업데이트
  • 격차 해소율을 포함한 품질 복합 점수 성과
  • 외과 의사 전반의 공급자 수준 벤치마킹,
  • 개입 성공률을 포함한 고위험 에피소드 식별,
  • PAC 시설 성과 추적.

시작하기: 실행 계획

즉각적인 조치 (향후 30-60일)

  • 거버넌스 수립
    • 최고 경영진 후원자는 누구인가?
    • 재정 조정 외에 성공을 어떻게 측정할 것인가?
    • 이니셔티브 및 권장 사항(예: 트랙 선택)은 어떻게 승인될 것인가?
    • 거버넌스는 실적 또는 이니셔티브가 저조할 때 어떻게 감독, 완화 및 개입할 것인가?
  • 프로그램 관리 수립
    • 환자 코호트는 어떻게 정의되고 측정될 것인가?
    • 이니셔티브 구현은 어떻게 추적될 것인가?
    • 이니셔티브 혜택은 어떻게 측정될 것인가?
    • 코호트 결과 및 이니셔티브 영향은 어떻게 보고될 것인가?
    • 프로그램 관리는 어떻게 성과 및 결과 위험을 조기에 식별하고 완화할 수 있는가?

교차 기능 팀 구성: TEAM 성공에는 임상 리더십, IT, 재무 및 분석(전통적으로 독립적인 도메인) 간의 협업이 필요합니다. 거버넌스 수준과 종종 이니셔티브 내에서 각 부서의 적절한 대표가 필요하며, 이를 통해 가치 프로그램을 성공적으로 설계하고 구현할 수 있습니다.

현재 상태 평가:

  • 환자가 수술실에 들어가기 전에 모든 활성 TEAM 에피소드를 식별할 수 있는가?
  • 병원 전체 지출이 목표치를 초과하는 원인 또는 개별 의사의 사례가 목표치를 초과하는 이유를 알고 있는가?
  • 임상의가 워크플로우에서 에피소드 데이터에 액세스할 수 있는가?
  • 고위험 에피소드를 식별하는 예측 모델이 있는가? 이 질문 중 하나라도 "아니오"라고 답했다면 현재 재정 성과에 영향을 미치는 중요한 격차가 있는 것이다.

사용 사례 우선순위 지정:

산업 벤치마킹을 기반으로 위험 포착(가장 높은 ROI, 가장 빠른 구현), 급성기 후 관리 최적화(가장 큰 비용 동인), 다음 최적 행동 의사 결정 지원(모든 다른 기능의 확장을 가능하게 함)으로 시작하십시오. 이 세 가지는 일반적으로 첫 해에 달성 가능한 절감액의 60-70%를 제공합니다. 귀하의 건강 시스템의 이러한 영역에서의 활용도와 결과는 최고 성과를 내는 건강 시스템과 비교하여 어떻습니까?

전략적 투자

장기적인 성공을 위해서는 최신 클라우드 데이터 인프라(레거시 시스템은 필요한 확장성을 제공할 수 없음), 지속적인 통합 기능(야간 배치 작업을 이벤트 기반 아키텍처로 대체), 고급 분석 및 AI/ML 도구(스프레드시트 및 BI 대시보드 이상), 그리고 임상 채택을 위한 변경 관리(기술만으로는 임상 참여 없이는 결과를 얻을 수 없음)가 필요합니다.

파트너십 접근 방식

성공적인 조직은 파트너십을 활용합니다. 최신 데이터 플랫폼 인프라를 제공하는 기술 파트너, TEAM별 분석 및 입증된 개입을 제공하는 도메인 전문가, 그리고 내부에서 의사 참여를 주도하는 임상 챔피언입니다. 핵심은 이러한 파트너가 사일로화된 작업 흐름이 아닌 통합 팀으로 작동하도록 보장하는 것입니다.

향후 경로

TEAM은 상당한 기회와 상당한 위험을 모두 나타냅니다. 성공과 실패의 차이는 병원 규모나 과거 시장 지위에 의해 결정되지 않을 것입니다. 이는 귀하가 구축하는 데이터 기반과 해당 데이터 기반이 제공하는 기능에 의해 결정될 것이며, TEAM 여정의 어느 단계에 있든 상관없습니다.

회고적 보고에 계속 의존하는 조직은 2026년 초 에피소드를 통해 전통적인 접근 방식으로는 경쟁할 수 없다는 것을 발견하고 있습니다. 한편, 지능형 데이터 인프라에 투자한 건강 시스템은 이미 고위험 에피소드를 식별하고, 퇴원 결정을 최적화하고, 품질 격차를 선제적으로 해소하고, 공유된 저축을 확보하고 있습니다.

아마도 가장 중요한 것은 TEAM 성공에 필요한 기능이 이 단일 프로그램을 훨씬 넘어선다는 것입니다. 이러한 투자는 귀하의 조직이 데이터 에스테이트를 미래에 대비하고 데이터 기반 의사 결정을 지원하도록 합니다. TEAM은 단순한 지불 모델이 아니라 학습 건강 시스템 구축을 위한 강제 기능입니다. 지금 투자하는 조직은 TEAM 하에서 성공을 위한 입지를 확보할 뿐만 아니라 전체 엔터프라이즈에 걸쳐 지속적인 성과 개선을 위한 기반을 구축하는 것입니다.

Databricks와 가치 기반 관리 전문가 파트너 팀은 TEAM 여정의 어떤 단계에 있는 참가자를 위해서도 포괄적인 TEAM 위험 준비 평가를 개발했습니다. 이 평가는 데이터 통합, 분석 성숙도, 임상 워크플로우 및 재무 성과 추적 전반에 걸쳐 귀하의 현재 역량을 평가합니다. 이 평가를 완료한 조직은 리소스를 집중할 위치와 최대 영향을 위한 투자를 우선순위화하는 방법을 명확하게 파악하고 하향 위험을 최소화합니다.

평가 예약 또는 추가 정보 요청은 Strategic APM Collaborative 팀에 문의하십시오.

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

최신 게시물을 이메일로 받아보세요

블로그를 구독하고 최신 게시물을 이메일로 받아보세요.