L'intelligence artificielle fait gagner du temps et de l'argent aux payeurs (2024)

11 août 2021

Le terme «intelligence artificielle» ou «IA» évoque différentes images pour différentes personnes. Certains pensent à des percées plus anciennes telles que la défaite du champion du monde d'échecs Garry Kasparov en 1997 face au supercalculateur Deep Blue d'IBM. Pour d'autres, c'est l'algorithme Netflix ou YouTube qui tourne en arrière-plan et propose des suggestions de ce qu'il faut regarder en fonction de ce que vous avez vu.

Il est difficile de saisir l'omniprésence et les capacités de croissance exponentielle des algorithmes d'apprentissage automatique. Dans le secteur de la santé, les programmeurs travaillent sur des avancées qui amélioreront à la fois le bien-être des patients et les résultats des assureurs.

Certaines améliorations peuvent sembler banales, comme l'automatisation du traitement des sinistres ou l'utilisation de chatbots (agents virtuels) pour gérer les interactions avec les assurés. Pourtant, les opportunités financières pour les assureurs maladie sont loin d'être monotones. Une analyse d'Accenture de 2018 a estimé que les assureurs peuvent économiser 7 milliards de dollars en 18 mois en utilisant l'IA pour automatiser les fonctions administratives de base, soit l'équivalent de 1,5 million de dollars en bénéfice d'exploitation pour 100 employés à temps plein. Et ces chiffres ne tiennent même pas compte de la capacité à signaler les cas potentiels de fraude.

Ensuite, il y a les futures possibilités de l'IA, telles que l'orchestration d'une expérience patient transparente - de la sélection de spécialistes au sein du réseau d'un assureur à la prescription de médicaments à la sortie.

Chez Blue Health Intelligence (BHI), qui fournit une expertise en données cliniques pour les plans Blues aux États-Unis, les programmeurs se sont attaqués au problème des demandeurs à coût élevé, définis comme des membres ayant des coûts annuels dépassant 250 000 $. Ce groupe comprend moins de 2 demandeurs sur 1 000, mais il représente 9 % de tous les frais de santé.

Ces patients ont tendance à souffrir de maladies rares et/ou chroniques qui impliquent des déplacements fréquents aux urgences, des médicaments coûteux et des soins et tests spécialisés coûteux. Si un assureur peut identifier ces patients tôt et intervenir avant que leur état de santé ne s'aggrave et que les coûts des soins de santé ne deviennent incontrôlables, les patients et les payeurs sont gagnants, déclare Roxanna Cross, vice-présidente associée pour la gestion des produits chez BHI. "Et c'est un problème parfait à résoudre avec l'IA", déclare Cross.

Comment? Les calculs sont si complexes que les êtres humains ne pourraient jamais espérer les aborder par des méthodes traditionnelles, mais les programmes informatiques analysant des ensembles de données massifs le peuvent. BHI a utilisé les réclamations d'assurance maladie de 48 millions de patients, les a complétées avec les données du recensem*nt américain et a identifié 6 000 variables dans les catégories cliniques et démographiques. Il a ensuite appliqué l'apprentissage automatique pour utiliser les informations pour former des modèles afin d'identifier les demandeurs à coût élevé. Le meilleur modèle était si puissant qu'il a réussi même pour les patients présentant de grandes lacunes dans leur historique de données, y compris aucune information préalable sur les réclamations à coût élevé, moins d'une année complète d'inscription à l'assurance et aucune donnée sur les réclamations en pharmacie.

Avec de telles informations, les assureurs peuvent contacter les patients et les médecins, collaborant pour personnaliser les soins pour ceux qui pourraient avoir des obstacles tels que des lacunes dans les soins, une mobilité limitée en raison d'un accident vasculaire cérébral ou pas assez d'argent pour les ordonnances, dit Cross.

«Lorsque nous avons appliqué ces modèles, nous avons certainement vu des millions de dollars d'économies potentielles pour une cohorte relativement petite de patients, car les assureurs disposent de ressources limitées pour gérer les soins de ces personnes à haut risque et à coût élevé, et nous voulons vraiment pour les guider d'une manière qui améliorera l'expérience pour eux et leurs familles », dit Cross.

Soyez plus patient face, pas face au papier

L'initiative BHI n'est qu'une des nombreuses façons d'utiliser l'IA dans les soins de santé. En avril, la société de soins de santé numérique K Health, avec des investissem*nts de Blackstone Growth et Anthem, a lancé une coentreprise appelée Hydrogen Health. Anthem avait déjà investi des dizaines de millions de dollars dans la technologie d'intelligence artificielle de K Health pour créer une application qui a aidé les utilisateurs à comprendre comment les médecins ont diagnostiqué des cas chez des patients présentant des symptômes similaires dans le passé.

Avec K Health, le vérificateur de symptômes est gratuit, mais les patients peuvent également discuter avec un médecin pour moins qu'une quote-part typique après avoir répondu à des questions de base sur leurs antécédents médicaux qui sont transmises au médecin, explique Allon Bloch, co-fondateur de K Health qui sera le PDG de la coentreprise.

"Pour vous donner une idée, une visite au détail sur K Health coûte 19 $", déclare Bloch. « Si vous êtes allé chez un médecin, en supposant que vous êtes assuré, vous paierez une quote-part de 25 $ à 40 $ ; votre assureur paiera 100 $ de plus. Les gens vont chez le médecin environ quatre fois par an. De plus, beaucoup de gens vont aux (urgences) parce que leur médecin n'est pas disponible. Alors que fais-tu le week-end ? Que fais tu la nuit? Que faites-vous si votre médecin ne peut pas vous voir dans les prochaines 24 heures ? Nous méritons tous un système qui devrait fonctionner 24 heures sur 24, 7 jours sur 7, qui devrait être intelligent, qui devrait être proactif, qui devrait être facile.

La volonté d'utiliser l'IA progresse à une vitesse vertigineuse. Une enquête Accenture de 2018 auprès de cadres mondiaux de la santé a révélé que 72 % des leaders de la santé pilotaient ou planifiaient l'adoption de l'IA, 93 % ont déclaré que des projets d'IA étaient à leur ordre du jour, seulement 7 % ont déclaré qu'ils s'y concentraient peu ou pas du tout.

Selon un rapport de McKinsey & Company de 2017, les améliorations de la gestion des réclamations s'intensifient, mais non sans difficulté. Si les réclamations originales provenant des hôpitaux ne sont pas numérisées, il n'y a aucun moyen d'extraire les données. De plus, des procédures structurées doivent être en place pour examiner les réclamations et décider quand une intervention humaine est nécessaire. Une numérisation structurée des résultats et des interventions, comprenant idéalement plus de deux ans de données, est également nécessaire. Les assureurs qui ne satisfont pas à ces exigences ne sont pas prêts pour le saut.

L'IA peut simplifier de nombreux processus manuels et papier dans les cabinets des médecins et des compagnies d'assurance en utilisant le traitement du langage naturel, permettant aux professionnels de la santé de saisir des informations simplement en parlant, déclare Mahi Rayasam, Ph.D., partenaire et leader de l'analyse des soins de santé chez McKinsey. Une telle amélioration peut entraîner des économies importantes, mais elle peut également apporter d'autres changements. "Essentiellement, comment les médecins peuvent-ils être plus face aux patients et non face au papier ?" dit Rayasam. "La plupart des processus qui se déroulent dans le secteur des assurances ou dans les cabinets de médecins des grands hôpitaux - il y a encore beaucoup de papier."

L'utilisation de l'IA pour détecter et prévenir la fraude est un autre moyen pour les assureurs maladie, ainsi que le gouvernement fédéral, d'économiser de l'argent. En 2016, CMS a créé le système de prévention de la fraude, en utilisant des analyses avancées pour identifier, empêcher et arrêter les paiements qui correspondent à des modèles suspects. Le système a aidé CMS à éviter 527 millions de dollars de pertes dues à la fraude au cours de l'exercice 2016, selon un rapport de McKinsey. En 2020, 56 % des assureurs interrogés par la Coalition contre la fraude à l'assurance ont indiqué que leur entreprise utilisait l'IA pour la détection des fraudes.

L'IA peut également améliorer l'interconnectivité entre les compagnies d'assurance, les fournisseurs et les membres. Selon Rayasam, l'IA pourrait accélérer le processus fastidieux d'obtention d'autorisations préalables par les patients, et les médecins et les patients pourraient obtenir des mises à jour sur une demande d'autorisation via une application au lieu d'une série d'appels téléphoniques.

Rayasam prévoit des scénarios pris en charge par l'IA qui amélioreront l'expérience du patient du début à la fin. Il a donné comme exemple hypothétique son fils d'un an ayant une urgence médicale tard un samedi soir.

"Et s'il y avait une application qui connaît la situation dans laquelle je me trouve et recommande ensuite quatre ou cinq endroits proches de moi qui sont soit des cabinets de médecins, soit des centres de soins d'urgence, soit des services d'urgence sans temps d'attente ?" demande Rayasam. "Et il combine ces informations avec le plan d'assurance que j'ai et me dit ensuite si je vais à l'emplacement X, non seulement je pourrai être vu immédiatement, mais cela me coûtera également moins cher du point de vue des débours. Et puis il est lié au médecin, qui prescrit un médicament. Peut-être que l'application pourra alors me connecter à la pharmacie, et le médicament sera livré automatiquement. Ensuite, la réclamation est jugée et le paiement est effectué à partir de mon compte en espèces.

"C'est un peu comme un flux de bout en bout, où la technologie permet à un membre de prendre soin de ses besoins dès le moment où il commence à y penser et de boucler la boucle en termes de paiements et de réclamations. Aujourd'hui, vous devez le faire en 10 transactions distinctes. Pourriez-vous le faire d'une manière transparente? C'est là que les choses bougent. »

L'IA pourrait également être un moyen de résoudre les problèmes d'équité en matière de soins de santé. Par exemple, deux patients du même âge souffrant de maladies cardiaques et de diabète pourraient tous deux être identifiés comme des utilisateurs haut de gamme des soins médicaux, note Cross de BHI. Cependant, les données sur les réclamations peuvent identifier une personne d'une communauté à faible revenu ayant des antécédents de coûts de réclamation inférieurs. Les raisons de ces coûts inférieurs peuvent inclure le fait de ne pas consulter un médecin en raison d'un manque de fonds, d'obstacles au transport ou de problèmes de garde d'enfants. Dans de tels cas, des ajustements peuvent être intégrés à l'algorithme pour égaliser leurs données.

La télésanté figurera également dans les estimations de coûts, dit Cross. "Je pense que l'IA peut vraiment aider à informer les personnes qui bénéficieraient le plus de certaines interventions, la télésanté étant l'une d'entre elles, en particulier lorsque nous parlons de santé comportementale", observe Cross. "L'objectif de l'IA est d'aider à associer les bons soins au bon moment au bon endroit avec ces personnes à haut risque et aux besoins élevés ou à la population totale. Et d'intervenir plus tôt.

Larry Hanover est un écrivain indépendant dans le sud du New Jersey.