Pattern Intelligence: Unsupervised, LLM-Interpreted Discovery of Systematic Underpayment and Denial Patterns in Healthcare Revenue Cycle Management
作者: Harshil Lodhiya, Alex McManus
分类: cs.AI, stat.ML
发布日期: 2026-10-20
备注: 5 pages, 5 figures. Accepted at the 2027 IEEE Gujarat Section Conference (GSCON 2027), Track 1: Artificial Intelligence, Data Science, and Intelligent Systems
💡 一句话要点
提出Pattern Intelligence以解决医疗收入周期管理中的系统性欠款与拒赔问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 医疗收入管理 索赔拒绝 无监督学习 聚类分析 模式识别 大数据分析 语言模型
📋 核心要点
- 现有方法主要依赖人工识别医疗索赔中的系统性欠款和拒赔模式，难以应对大规模数据。
- 论文提出Pattern Intelligence，通过聚类索赔的裁决行为而非身份，自动发现可纠正的模式。
- 在两个生产环境中评估后，发现高额拒赔中存在不可简化的长尾现象，提供了新的见解。
📝 摘要（中文）
医疗服务提供者因系统性付款不足和索赔拒绝而损失大量收入，但识别其背后的可纠正模式仍主要依赖人工，难以适应医院的索赔量。本文提出了Pattern Intelligence，一个无需监督的系统，通过对索赔的裁决行为进行聚类来发现这些模式，而非其身份。每个索赔被嵌入为一个130维的向量，结合了预期与实际付款比率、索赔调整原因代码、拒赔和付款信号及服务组成。我们通过HDBSCAN进行聚类，并通过二次子聚类从噪声集中恢复结构，最终利用大型语言模型将每个聚类中心转化为分析师可用的描述。我们发现，约三分之一到一半的高额拒赔形成了一个不可简化的长尾，这是领域特性而非建模缺陷。
🔬 方法详解
问题定义：本文旨在解决医疗收入周期管理中系统性欠款与拒赔模式的识别问题。现有方法依赖人工，难以处理大规模索赔数据，导致效率低下和潜在收入损失。
核心思路：Pattern Intelligence通过聚类索赔的裁决行为，而非索赔身份，来发现模式。此设计避免了付款方和合同身份对聚类结果的主导影响，使得聚类结果更具可操作性。
技术框架：整体流程包括数据嵌入、聚类、二次子聚类和结果描述四个主要模块。首先，将索赔数据嵌入为130维向量；然后使用HDBSCAN进行聚类；接着，通过二次聚类从噪声集中恢复结构；最后，利用大型语言模型生成分析师可用的描述。
关键创新：最重要的创新在于问题的重新定义和聚类方法的设计。通过排除付款方和合同身份，避免了聚类结果的简单化，使得每个模式都能保持一致性和可操作性。
关键设计：在技术细节上，使用130维向量表示索赔，结合了多种信号和调整原因代码。聚类过程中采用HDBSCAN，并通过低置信度成员资格进行筛选，确保聚类结果的可靠性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，在两个生产环境中，约三分之一到一半的高额拒赔形成了不可简化的长尾现象，表明该领域特性而非建模缺陷。这一发现为医疗收入管理提供了新的视角，强调了现有聚类方法的局限性。
🎯 应用场景
该研究的潜在应用领域包括医疗收入周期管理、保险索赔分析和财务审计等。通过自动化识别拒赔模式，医疗服务提供者可以更有效地管理收入，减少损失，提高财务透明度，未来可能对整个医疗行业的收入管理产生深远影响。
📄 摘要（原文）
Healthcare providers lose substantial revenue to systematic payer underpayments and claim denials, yet identifying the recurring, correctable patterns behind them remains largely manual and does not scale to hospital claim volumes. We present Pattern Intelligence, a deployed system that discovers such patterns without supervision by clustering claims on their adjudication behaviour rather than their identity. Each claim is embedded in a 130-dimensional vector combining per-line expected-versus-actual payment ratios, claim adjustment reason (CARC) codes, denial and payment signals, and service composition. Payer and contract identity are deliberately excluded from the distance metric - we show they dominate the geometry and collapse clusters into trivial per-payer groups - and are reintroduced only as a post-hoc segmentation (by contract and visit type) that keeps every surfaced pattern coherent and actionable. We cluster with HDBSCAN, recover structure from the noise set via second-pass sub-clustering, and gate low-confidence memberships. A large language model translates each centroid into an analyst-ready description of dominant procedures, adjustment reasons, and failure mode. We report a recurring finding: roughly one-third to one-half of high-dollar denials, depending on tenant and segmentation, form an irreducible long tail that no density-clustering configuration or representation we tried groups - a domain property, we argue, rather than a modeling deficiency. We evaluate validity through cluster-coherence analysis and quantify impact with a recoverable-opportunity ($) metric on two production tenants (approx. 10K and 157K claims) within a six-tenant deployment. Rather than a new algorithm, the contribution is a problem formulation, a representation-design insight, and empirical findings from production.