报告行业投资评级 * 报告未明确给出行业投资评级 [1][5][6] 报告的核心观点 * 人工智能（AI）在医疗保健收入周期管理（RCM）市场中的重要性日益增长，AI有潜力彻底改变众多RCM功能，重塑内外部RCM提供商之间的市场动态，并在未来几年驱动巨大的市场份额转移 [6][18] * AI赋能的RCM解决方案能够提高生产力、减少浪费并改善医疗保健服务提供商的整体财务健康状况，从而创造强大的终端市场需求 [7] * 报告旨在分析AI如何提升服务提供商的RCM能力、AI创新的关键领域、AI可能将RCM市场份额从外包供应商转向软件提供商的原因，以及关键市场趋势如何影响行业增长率 [8] * 报告重点关注了Waystar（WAY）、Phreesia（PHR）、Health Catalyst（HCAT）等公司，并认为这些公司以及许多公共和私营实体有望从AI RCM的发展中受益 [8] 根据相关目录分别进行总结 摘要 * AI在RCM生命周期中的采用是关键区域，报告将分析哪些供应商处于最佳位置 [9] * 报告包含RCM公司简介图 [11] 引言：行业背景与重要性 * 收入周期管理（RCM）是医疗行业中最复杂且容易被误解的领域之一，涵盖了从患者登记到最终付款的整个财务流程，涉及复杂的编码规则、预先授权和拒付管理等环节 [13] * RCM市场价值巨大，但历史上常被投资者低估，其流程中的低效率直接影响服务提供方和支付方的利润率 [14] * RCM是医疗保健的金融循环系统，对于面临财务压力的健康体系至关重要 [15] * 许多卫生系统依赖大量内部团队进行劳动密集型的RCM活动，例如Sutter Health在将其RCM服务外包时转移了约1,150名员工，约占其医师队伍的10% [16] * AI赋能的解决方案可能导致市场份额从大型RCM外包商转向更多基于软件的内部解决方案，为RCM软件供应商带来实质性增长机遇 [18] * 支付方和服务提供方之间正在展开一场AI军备竞赛，RCM正从后台职能转变为战略战场 [19] * 对于服务提供方，高级RCM策略对于在日益紧张的环境中获得财务可持续性至关重要；对于支付方，则对管理医疗成本和确保保险可持续性至关重要 [20] RCM生命周期关键步骤（服务提供商视角） * RCM流程可分为三个主要阶段：术前、术中和术后 [23] * **术前阶段**：包括数字前台和患者参与、保险（资格）验证、保险发现、价格估算、事先授权和收取共同支付 [24][26][29][31][35][36][37] * 高达20%以上的拒赔是由资格问题引起的 [30] * 未补偿的医疗护理使医疗服务提供者损失约400亿美元，但多达30%的自付费用账户可能被遗漏了保险覆盖 [34] * 当患者提前收到费用估算时，60%的患者更有可能付款 [35] * 根据CAQH数据，只有35%的预先授权（PA）完全电子化，22%完全手动 [36] * 医生平均每周处理43项PA请求，花费约12小时 [36][37] * 在服务点收取患者费用时，收款概率约为70%，而出院后开账单则降至约30% [37] * **术中阶段**：包括文档与编码、临床智能（DRG验证）、收费捕获和索赔提交 [41][44][45] * 准确的记录和编码是RCM的基石，编码不足或过度都会导致问题 [41] * AI和自然语言处理（NLP）工具可用于扫描病历并建议代码，环境文档工具可自动填充医疗记录 [41] * 清算中心有助于提高“清洁索赔率”，例如Waystar报告了近99%的首次尝试索赔通过率 [45] * 仅32%的索赔附件提交实现了电子化，剩余68%完全手动 [47] * **术后阶段**：包括拒付管理与上诉、支付入账及汇款通知、患者收款和应收账款（A/R）管理优化 [50][52][54] * 拒付是常见问题，需要有效的管理系统 [50] * 随着高免赔额健康计划的普及，患者的财务责任增长，数字支付平台变得重要 [54] * AI和高级分析可用于细分账户、自动化跟进并预测易于回收的余额 [54] 人工智能如何提升提供商的RCM能力 * 传统的RCM流程是劳动密集型的，AI通过自动化常规任务来改变这一状况 [56] * 根据Forrester 2025年第二季度调查，AI在RCM任务中的表现普遍达到或超越预期，尤其在改进的分析和报告、更多自动化的收入捕捉和编码、自动化在索赔管理中的提升等方面 [58] * 调查显示，AI解决方案被认为比传统方法更准确：19%的领导者认为AI“准确性显著更高”于人类团队，41%认为“略微更准确” [59] * Forrester报告指出AI改善最大的领域包括：患者财务管理经验和改善的收款（提高37%）、人力效率（平均改善36%）、改善拒付预防（27%）、改善现金流（22%）、更快支付（21%）等 [60] * 70%的医疗行业高管将AI RCM投资视为“高”或“关键”优先事项，近60%的人预计在未来一到两年内会增加AI RCM的支出 [61][63] * AI投资将主要关注基于代理和生成式AI的解决方案 [64] * 提供商最希望的AI能力包括：利用AI预测未来的需求或行为（在住院支付和患者支付流程中）、使用AI建议/引导行动（在患者支付和付款流程中）、使用AI加速创造日常/标准内容 [67] * AI有能力从根本上改变服务提供商如何管理收入运营，从索赔提交、编码到拒付预防、资格验证等 [68] * 现行的RCM软件和服务市场领导者在AI时代处于有利地位，其庞大的客户群、高质量的数据集以及与支付方和服务提供方的深度整合构成了竞争优势 [68] 关键领域：供应商RCM过程中的AI创新焦点 * 根据贝恩公司2025年的调查，目前RCM中最广泛使用的AI解决方案是环境听力/文档支持（62%的受访者使用），其次是临床文档改进（43%）和与支付方互动的合规性保障（30%） [69][71] * **理赔提交、拒付及申诉管理**： * 所有提交给私人支付者的索赔中，首轮被拒绝的占比超过15%，对于医疗保险优势（MA）和医疗补助计划甚至更高 [73] * 2023年所有医院索赔中有12%被拒绝，自2016年以来增长了300个基点 [73] * 拒付主要发生在RCM流程的前端（占44%），与资格、医疗必要性和缺少预先授权有关 [74] * 平均拒绝索赔的费用超过14,000美元，其中医疗保险优势计划平均为22,120美元 [77][78] * 超过一半的私人支付者拒付最终被撤销并支付，但通常需要反复上诉 [79] * 供应商平均每起索赔花费43.84美元来提出异议（商业索赔高达64美元），导致整个行业每年约有197亿美元的管理浪费 [82] * 22%的医疗保健组织每年因拒绝而损失至少50万美元，10%报告每年损失超过200万美元 [83] * 59%的受访者计划在六个月内投资更多先进的拒付减少技术 [83] * AI可以在五个主要方面支持拒付管理：合同条款及索赔提交前的清理、模式识别、实时标记风险、预先授权支持、以及上诉自动化 [86][88][89][90][93] * 示例：Waystar的AltitudeAI工具可将上诉制作时间从约38小时减少到2小时；Yuma Regional Medical Center使用Waystar工具防止了250万美元的损失，并将平均付款人收据日下降约51%；Baptist Home Health将拒付率降低了72%，恢复了1700万美元的收入 [99][100] * **预先授权（PA）**： * PA要求是护理提供者面临的最大负担之一，医生平均每周完成39份PA申请，花费13小时 [105] * 93%的医生报告PA延迟了患者获得其推荐的治疗，83%指出它有时会导致患者放弃治疗 [106] * 2023年，医疗保险优势计划提交了超过5000万份PA申请，拒绝了320万份，其中81.7%的上诉被完全或部分推翻 [108] * CMS的互操作性及预先授权最终规则要求支付方从2027年起实施PA API，并在72小时（紧急）或7天（标准）内做出决定，这应有助于促进基于AI的PA解决方案 [109][110] * 目前只有16%的办公室管理员和24%的医生将电子PA平台用于超过40%的提交，近四分之一的PA申请仍通过电话或传真提交 [112] * 96%的临床医生和办公管理员对AI在PA决策中的辅助感到舒适，65%的临床医生认为AI应在PA中扮演重要角色 [112] * AI代理可以快速整理数据、组装PA提交包，并在几分钟内通过任何渠道提交请求 [112] * 示例：Innovaccer的Flow Auth AI代理旨在自动化整个PA流程，据称可将临床医生在PAs上的时间减少50%，并将90%的行政任务自动化 [114][115] * **患者登记、计费和收款**： * 高免赔额健康计划的兴起增加了患者作为RCM关键部分的必要性 [117] * 预测到2028年，大约70%的患者互动将由AI平台驱动 [117] * 94%的美国人支持医疗价格透明度，88%的人曾因不知道费用而推迟就医 [118] * 在服务点收款率超过70%，而在服务后收款率则降至50%-70% [120] * 在服务后的90天内，提供商有90%的几率收取患者余额；180天后，几率降至20% [121] * 示例：Phreesia推出了AI语音代理Phreesia VoiceAI处理患者入境电话；Cedar推出了AI语音代理Kora用于自动化患者账单电话，预计在2025年底自动化30%的来电 [122][123] * **临床智能**： * 基于价值的护理模式的快速采用推动了对先进临床智能解决方案的需求，以通过更有效的编码、合规文件和风险调整来确保适当的收入捕捉 [126] * 示例：Reveleer的AI解决方案可将疑似HCC（分层条件类别）的捕获率提高三分之一；Navina提供AI副驾驶，从不同来源摄取数据创建“患者档案”，用于护理管理和风险调整 [127][128] 挑战在服务商的RCM流程中采用人工智能 * **质量和准确度**：生成式AI系统可能产生看似可信但事实不正确的“幻觉”，在财务或临床环境中，即使是微小错误也可能导致严重后果，这使得许多提供商谨慎依赖AI [129] * **数据隐私和安全**：超过一半的医疗保健领导者（51%）对AI RCM中的数据安全和患者隐私表示担忧 [131] * **合规挑战**：33%的受访者将监管和合规问题列为AI RCM采用的主要障碍，确保AI遵守不断变化的计费、编码和报销规则需要持续监控和更新 [132] * **内部缺乏具备GenAI的专长**：人才短缺是关键采用障碍之一，80%的受访者在最近一项障碍调查中提及此问题 [133] * **技术整合**：45%的受访者表示，将AI解决方案整合到现有的电子健康记录（EHR）等遗留基础设施中是一大挑战 [133] 近期产品发布表明土地争夺正在进行中 * 报告列举了2025年多家公司推出的AI RCM新产品或功能，表明该领域创新加速，市场竞争激烈 [134] * 例如：R1 RCM与Palantir合作推出“AI实验室”以转变财务绩效；RevSpring推出AI虚拟代理SeatMate；MediStreams推出AI支付对账平台；Cedar推出AI语音代理Kora；FinThrive推出具代理能力的AI功能；Janus Health推出JanusIQ平台；Omega Healthcare与微软扩大合作推出20多个生成式和代理式AI解决方案 [135][136][137]