تهيئة بيانات مطالبات نفيس ووزارة الصحة لتطبيقات الذكاء الاصطناعي السريري

بيانات صحية كثيرة وجاهزية محدودة

تملك المنشآت الصحية في السعودية كمًّا كبيرًا من البيانات: مطالبات التأمين، وطلبات الموافقة المسبقة، والتشخيصات، والوصفات، وسجلات المواعيد. لكن تحويل هذه البيانات إلى أساس موثوق لتطبيقات الذكاء الاصطناعي السريري والتشغيلي يتطلب عملًا جادًا على الجودة والتوحيد والحوكمة.

ما هي منصة نفيس

نفيس هي المنصة الوطنية لتبادل المعلومات الصحية التأمينية، أطلقها مجلس الضمان الصحي لربط مقدمي الخدمة وشركات التأمين. وتعتمد المنصة معيار HL7 FHIR، وتمر عبرها معاملات التحقق من الأهلية، والموافقات المسبقة، والمطالبات، والدفعات.

أما بيانات وزارة الصحة فتشمل متطلبات الإبلاغ والمؤشرات الصحية والسجلات الإلزامية التي تلتزم بها المنشآت. والجمع بين المصدرين يمنح صورة أدق عن المريض والخدمة والتكلفة.

التحديات الأكثر شيوعًا

اختلاف الترميز. تستخدم المطالبات أنظمة ترميز معتمدة مثل ICD-10-AM للتشخيص، وACHI للإجراءات، ونظام الفوترة السعودي SBS. وأي خطأ أو عدم اتساق في الترميز يؤدي إلى رفض المطالبات، ويضعف أي نموذج يُدرّب عليها.

تعدد الأنظمة. بيانات المريض الواحد قد تكون موزعة بين نظام المعلومات الصحية، ونظام الفوترة، ونظام المختبر، وسجلات نفيس. ودون هوية موحدة للمريض تتكرر السجلات أو تضيع.

أسباب الرفض لا تُستخدم لتحسين الإجراءات. رسائل الرفض والطلبات المعادة من شركات التأمين مصدر غني لتحسين الترميز والتوثيق، لكنها نادرًا ما تُحلل بشكل منهجي.

الحساسية العالية. البيانات الصحية من أعلى فئات البيانات الشخصية حساسية، وتخضع لنظام حماية البيانات الشخصية ولمتطلبات وزارة الصحة والهيئة الوطنية للأمن السيبراني.

خطوات التهيئة

1. ربط المصادر في منصة بيانات موحدة مستضافة داخل السعودية، مع الاحتفاظ بنسخة من رسائل FHIR كما وردت.
2. توحيد هوية المريض والمنشأة والطبيب بين الأنظمة، مع قواعد مطابقة موثقة.
3. فحوص جودة للترميز قبل إرسال المطالبة، تكشف التعارض بين التشخيص والإجراء والتغطية.
4. نموذج بيانات للمطالبات يربط كل مطالبة بحالتها ورسائل الرفض والدفعات المرتبطة بها.
5. ضوابط الوصول والإخفاء بحيث لا تصل البيانات التعريفية إلى بيئات التحليل إلا عند الحاجة وبصلاحية.

ما الذي يصبح ممكنًا بعد ذلك

التطبيق	القيمة للمنشأة
التنبؤ برفض المطالبة قبل إرسالها	خفض الرفض وتسريع التحصيل
مساعد ترميز للموظفين	ترميز أدق وعبء أقل على فرق الإيرادات
متابعة الموافقات المسبقة آليًا	تقليل انتظار المريض وإلغاء المواعيد
تحليل أنماط الرفض حسب شركة التأمين	تفاوض أفضل وتحسين التوثيق السريري

الخلاصة

جودة تطبيقات الذكاء الاصطناعي في القطاع الصحي تعتمد على جودة بيانات المطالبات والترميز قبل أي شيء آخر. والمنشآت التي توحد بيانات نفيس وأنظمتها الداخلية تحت حوكمة واضحة تستطيع تحسين التحصيل وتقليل إعادة معالجة المطالبات، وتبني أساسًا للتطبيقات السريرية لاحقًا. وهذا هو العمل الذي تقوم به بيليتيكا مع المنشآت الصحية: تهيئة البيانات وحوكمتها، ثم بناء التطبيقات عليها.