پس منظر

2019 کے اواخر میں ایک کلینیکل ہیلتھ کیئر فراہم کنندہ کو اپنے ERP سسٹم کو جدید بنانے کی ضرورت تھی۔ موجودہ نظام میں میڈیکل بلنگ کی خودکار تصدیق نہیں تھی، کلیمز پر فراڈ کی شناخت کا کوئی نظام نہیں تھا، اور مہنگے طبی اثاثوں کے مقام کے بارے میں کوئی معلومات دستیاب نہیں تھیں۔ مجھے Azure آرکیٹیکٹ اور ٹیک لیڈ کے طور پر رکھا گیا تاکہ میں ایک جامع حل فراہم کروں جو AI، IoT اور آگمینٹڈ ریئلٹی کو یکجا کرے۔

یہ پراجیکٹ دسمبر 2020 تک جاری رہا، اور وبا کے دوران ریموٹ تعاون کی اضافی پیچیدگی بھی اس کا حصہ تھی۔

ہدف

میڈیکل بلنگ کی تصدیق اور فراڈ کی شناخت کے لیے AI استعمال کرنا، اور ساتھ ہی IoT اور AR کے ذریعے طبعی اثاثوں کو ریئل ٹائم میں ٹریک کرنا۔

حل کو یہ فراہم کرنا تھا:

  • کلیمز کی جمع کرائی گئی تفصیلات کے مقابلے میں تشخیصات کی AI پر مبنی تصدیق
  • ماضی کے بلنگ پیٹرنز پر تربیت یافتہ فراڈ شناخت ماڈلز
  • LoRaWAN، BLE اور 5G سینسرز کے ذریعے اثاثوں کی ریئل ٹائم ٹریکنگ
  • Microsoft HoloLens کے ذریعے اثاثوں کے مقامات کی آگمینٹڈ ریئلٹی میں بصری نمائش
  • ڈیوائس مینجمنٹ اور نوٹیفکیشن روٹنگ کے لیے Azure IoT Hub

طریقۂ کار

میں نے ایج، کلاؤڈ اور AI پر محیط ایک پرتوں والا آرکیٹیکچر ڈیزائن کیا:

  1. AI بلنگ ویری فکیشن
    مشین لرننگ ماڈلز کو تربیت دی کہ وہ تشخیصی کوڈز (ICD-10) کا پروسیجر کلیمز (CPT/HCPCS) سے موازنہ کریں۔ ماڈل بے ضابطگیوں — مثلاً تشخیص سے مطابقت نہ رکھنے والے پروسیجرز یا شماریاتی طور پر غیر متوقع بلنگ پیٹرنز — کو انسانی جائزے کے لیے نشان زد کرتا تھا۔

  2. فراڈ شناخت پائپ لائن
    رولز انجن اور بے ضابطگی کی شناخت کو ملا کر ایک نظام بنایا جو ہر کلیم کو ریئل ٹائم میں اسکور کرتا تھا۔ زیادہ خطرے والے کلیمز کو تحقیقاتی قطار میں بھیجا جاتا تھا، اور ماڈل کی مسلسل دوبارہ تربیت سے غلط الرٹس کم کیے گئے۔

  3. IoT اثاثہ جاتی میش
    مختلف اقسام کے سینسرز کا نیٹ ورک لگایا: طویل فاصلے کی اندرونی ٹریکنگ کے لیے LoRaWAN، کمرے کی سطح کی درستگی کے لیے BLE بیکنز، اور تیز رفتار ڈیٹا والے طبی امیجنگ آلات کے لیے 5G۔ تمام ٹیلی میٹری Azure IoT Hub سے گزرتی تھی۔

  4. HoloLens AR تجربہ
    ایک HoloLens ایپلی کیشن تیار کی جو پہننے والے کے میدانِ نظر پر اثاثوں کے مقامات دکھاتی تھی، جس سے عملہ آلات کو فوراً تلاش کر سکتا تھا۔ AR لیئر وہی IoT ٹیلی میٹری استعمال کرتی تھی، جو مکانی اینکرز کی شکل میں دکھائی جاتی تھی۔

چیلنجز

  • میڈیکل بلنگ کوڈز (ICD-10، CPT، HCPCS) میں پیچیدہ درجہ وار تعلقات ہوتے ہیں — AI ماڈل کو شعبے کے مخصوص فیچر انجینئرنگ کی ضرورت تھی۔
  • IoT سینسرز کی تنوع (LoRaWAN، BLE، 5G، BT) کے لیے پروٹوکول کے مخصوص اڈاپٹرز کے ساتھ ایک متحد انجیشن پائپ لائن درکار تھی۔
  • 2019–2020 میں HoloLens کی ڈیولپمنٹ ابھی ابتدائی مراحل میں تھی — کلینیکل ماحول میں مکانی میپنگ کی درستگی مختلف رہتی تھی۔
  • پراجیکٹ کے وسط میں COVID-19 لاک ڈاؤن نے تمام تعاون، ٹیسٹنگ اور تعیناتی کو مکمل طور پر ریموٹ کر دیا۔

نتیجہ

AI ماڈلز نے پہلے چھ مہینوں میں فراڈ پر مبنی کلیمز کی ادائیگیاں تخمیناً 18 فیصد کم کر دیں۔ اثاثوں کا استعمال 30 فیصد بہتر ہوا کیونکہ عملہ دستی تلاش کے بجائے HoloLens کے ذریعے چند سیکنڈ میں آلات ڈھونڈ لیتا تھا۔ IoT میش متعدد کلینک مقامات پر 2,000 سے زائد ٹریک کیے جانے والے اثاثوں تک پھیل گیا۔

اہم سبق

ہیلتھ کیئر میں AI کا مقصد معالجین کو بدلنا نہیں — بلکہ وہ پکڑنا ہے جو انسان نظر انداز کر دیتے ہیں۔ فراڈ شناخت ماڈل نے ایسے پیٹرنز تلاش کیے جو دستی جائزے میں نظر نہیں آتے تھے، جبکہ IoT نے آپریشنز ٹیموں کو ایسی صلاحیتیں دیں جن کی انہیں ضرورت کا احساس ہی نہ تھا۔