Can GPT Improve the State of Prior Authorization via Guideline Based Automated Question Answering?

要約

健康保険会社には、事前承認 (PA) と呼ばれる定義されたプロセスがあります。これは、医師やその他の医療専門家が患者に特定の処置を行う前に、事前に医療プランから許可を得る必要がある医療プランのコスト管理プロセスです。
支払い補償の対象となる。
健康保険会社にとって、医療分野で患者の PA リクエストを承認することは、時間がかかり、困難な作業です。
これらの重要な課題の 1 つは、リクエストが年齢、性別などの特定の基準に一致するかどうかを検証することです。この作業では、GPT が多数の重要な要素を検証できるかどうかを評価し、その結果、医療計画が大幅に迅速に決定に達するのに役立ちます。
私たちはこれを質問応答タスクとして組み立て、GPT に患者の電子医療記録からの質問に答えるよう促します。
私たちは、さまざまな従来のプロンプト手法を実験するとともに、独自の新しいプロンプト手法を導入します。
さらに、私たちのアプローチによる自然言語生成の出力に対する人間による定性評価を報告します。
結果は、私たちの方法が標準的な対応物と比較して、平均加重 F1 スコア 0.61 という優れたパフォーマンスを達成していることを示しています。

要約(オリジナル)

Health insurance companies have a defined process called prior authorization (PA) which is a health plan cost-control process that requires doctors and other healthcare professionals to get clearance in advance from a health plan before performing a particular procedure on a patient in order to be eligible for payment coverage. For health insurance companies, approving PA requests for patients in the medical domain is a time-consuming and challenging task. One of those key challenges is validating if a request matches up to certain criteria such as age, gender, etc. In this work, we evaluate whether GPT can validate numerous key factors, in turn helping health plans reach a decision drastically faster. We frame it as a question answering task, prompting GPT to answer a question from patient electronic health record. We experiment with different conventional prompting techniques as well as introduce our own novel prompting technique. Moreover, we report qualitative assessment by humans on the natural language generation outputs from our approach. Results show that our method achieves superior performance with the mean weighted F1 score of 0.61 as compared to its standard counterparts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google