人工智能可以识别大笔支出的健康计划成员

一项研究表明，人工智能预测模型与患者人口统计相结合，可以更有效地识别高费用患者。

发表在《美国管理式医疗杂志》上的结果表明，与传统患者模型相比，人工智能模型始终识别出更高比例的高费用患者。研究人员的 AI 模型能够整合多个数据源以产生一个动作。

风险预测模型着眼于各种数据点，包括人口统计数据、索赔数据、入院、出院、转移警报以及健康数据的社会决定因素。传统上，医疗服务机构和支付方依靠医疗管理来降低医疗成本，但往往不考虑其他数据点。

准确和动态的风险分层计划允许将护理管理资源分配给最需要它们的患者。此外，提供者和支付者的负担导致过度支出。

科学家收集了 2018 年 5 月至 2019 年 4 月期间参加医疗补助计划的 61,850 名患者的数据。他们比较了两种不同模型的风险评分。

第一个模型使用人工智能来评估与人口统计、索赔、健康的社会决定因素和转移警报相关的信息。第二种模式称为慢性病和残疾支付系统 (CDPS)，仅使用来自人口统计和索赔的数据。

科学家们发现，人工智能模型对风险最高的成员进行了更准确的分析，并显示出更高的支出。排名前 5% 的会员共花费了 3850 万美元。

根据 AI 模型，排名前 5% 的会员花费??了 2080 万美元，平均每个会员花费 14,349 美元，中位数为每个会员 7,265 美元。然而，传统的 CDPS 模型计算出每位成员的平均支出为 11,808 美元，平均支出为每位成员 3,753 美元。

“我们建议护理管理计划可以通过投资于收集、存储和更新新数据源所需的基础设施以及使用高级分析方法结合这些数据的专业知识来更好地针对他们的干预措施，”该研究写道。

研究人员告诫说，收集的数据只是一年的价值，而且成员来自一个地理区域。