Hindsait × WPS 事前授权 AI 审核与质量治理方案

解决事前授权审核中非结构化病历阅读耗时、医学必要性证据提取和审核质量持续监测的问题。

英文 PDF · 4 页 · 1.5 MB2026-05-24 修订 · 文件修订日期浏览次数2

适用对象

医疗支付机构、利用管理、授权审核与临床质量团队

方案摘要

WPS 与 Hindsait 的事前授权 AI 方案处理医疗必要性审核中的文档阅读、证据提取、指南核对和决定记录。医疗资料即使通过 FHIR 传递，也可能包含大量非结构化病历、影像描述和手术记录，审核人员仍要逐项查找依据。方案利用临床自然语言处理整理证据，再结合指南和机器学习评分安排审核工作，减少重复阅读与排队等待。

系统接收医疗必要性指南，使用 CNLP 从半结构化或非结构化资料中提取相关临床信息，生成与指南对应的审核说明，并给出临床置信度。输出同时保留审计追踪，支持证据摘要、规则核对和按风险分派工作。审核人员可以在查看材料之前了解案件内容和复杂程度，从而将不同案件交给合适的处理流程。

验证方法包含多年历史已审核数据重处理，以及 AI 预测与临床人员决定并行比较。团队分析假阳性和假阴性，通过反馈持续改进提取及评分。文档报告处理时间减少等结果，并对高置信度类别单独讨论表现。相关比例来自该部署和特定类别，不能直接推广到所有治疗、所有支付计划或其他机构的数据。

自动化策略按置信度和机构接受条件配置。高置信度的肯定结果可以进入受控自动处理，未获肯定的结果及疑难情况继续由人员审核，并配合分层质量管理。这样的组织方式把自动处理范围与可量化的质量结果联系起来，临床专家继续承担复杂判断。方案允许调整阈值，但需要同时观察效率和错误情况。

治理工作包含按月抽查自动肯定结果、统计阈值、模型重新校准、提供者趋势观察、异常检测和透明报告。资料还关注提交材料行为变化，通过基线及异常分析识别需要定向复核的情况。模型改进因此依赖持续质量管理和临床反馈，运行团队需要同时管理模型、审核流程和人员处理结果。

资料中的持续改进依赖已经审核的历史数据和临床反馈。模型输出与实际决定进行比较，发现需要修正的提取或判断，再进入质量抽查和重新校准。自动肯定结果也继续接受抽样，因此质量管理覆盖运行之后的情况。这样的组织方式说明，减少办理时间需要与可追踪的证据和持续评价共同进行。

这份白皮书适合支付机构和医疗审核团队理解 AI 证据整理、案件分派及质量管理之间的联系。应用范围包括美国 Medicare、Medicaid、商业保险和管理式医疗，政策及覆盖规则具有当地业务属性。国内相关团队可以参考文档组织与审核治理方式，具体医保支付、医疗必要性标准和自动处理权限需要依据相应业务要求确定。

Hindsait × WPS 事前授权 AI 审核与质量治理方案

联系haonan

刘浩南

方案原文 PDF · 4 页