این استارتاپ هوش مصنوعی می‌خواهد به رد شدن مطالبات بیمه‌ای پایان دهد
بختاور بلوچ در کلاس پنجم دبستان، ۱۰۰ روپیه پاکستان، معادل کمتر از یک دلار، برای خرید برچسب خرج کرد.
او برچسب‌ها را فروخت و با ۱۰۰۰ روپیه به خانه برگشت؛ یعنی سرمایه‌اش را ده برابر کرد.
او می‌گوید: «به خانه برگشتم و فکر می‌کنم همان موقع فهمیدم که قرار است تمام عمرم همین کار را انجام دهم.»
بلوچ این خاطره را در تازه‌ترین قسمت برنامه گفت‌وگومحور Against The Odds از مجموعه TheStreet Roundtable، به میزبانی تینا داس، تعریف کرد. در هر قسمت این برنامه، با بنیان‌گذاری گفت‌وگو می‌شود که از نقطه‌ای غیرمنتظره کار خود را آغاز کرده و کسب‌وکاری واقعی ساخته است.
دو دهه بعد، بلوچ ۳۱ ساله در نیویورک زندگی می‌کند، دومین مدرک کارشناسی ارشد خود را در دانشگاه نیویورک (NYU) دنبال می‌کند و هم‌زمان مدیریت Clairdoc را بر عهده دارد؛ استارتاپی که تنها ۹ ماه از تأسیس آن می‌گذرد و با استفاده از هوش مصنوعی پیش‌بینی می‌کند که شرکت بیمه مطالبات درمانی را پرداخت خواهد کرد یا نه و اگر قرار است آن‌ها را رد کند، دلیل دقیق این تصمیم چیست.
بختاور بلوچ، بنیان‌گذار Clairdoc؛ استارتاپی که با هدف کاهش نرخ رد مطالبات بیمه‌ای پزشکان فعالیت می‌کند.
عکس: با هماهنگی ویژه، بختاور بلوچ
خانواده‌ای که برخلاف عرف جامعه عمل کرد
بلوچ در پاکستان و در خانواده‌ای بزرگ شد که هر دو والدش کارآفرین بودند. پدرش مهندس بود و کسب‌وکاری در حوزه املاک را از صفر بنا کرد. مادرش نیز سالن زیبایی موفقی را اداره می‌کرد که پدرش به راه‌اندازی آن کمک کرده بود.
پدر او با زنی از خارج از جامعه خود ازدواج کرده بود و اصرار داشت هر سه فرزندش، بدون توجه به جنسیتشان، به بهترین آموزش ممکن دسترسی داشته باشند.
چنین رویکردی در خانواده‌های بلوچ چندان رایج نبود.
برای روشن شدن زمینه اجتماعی: بلوچ‌ها یکی از بزرگ‌ترین گروه‌های قومی پاکستان هستند. این قوم با ساختار اجتماعی قبیله‌ای، در منطقه‌ای گسترده در پاکستان، ایران و افغانستان زندگی می‌کند و جامعه آن از محافظه‌کارترین جوامع این کشور به شمار می‌رود. در بلوچستان، استانی که نام خود را از این قوم گرفته است، کمتر از یک‌سوم زنان سواد خواندن و نوشتن دارند؛ پایین‌ترین نرخ باسوادی زنان در پاکستان. همچنین، نزدیک به نیمی از زنان پیش از ۱۸ سالگی ازدواج می‌کنند. بلوچ حتی در میان بستگان گسترده خود نیز شاهد بود که زنان را به ازدواج زودهنگام سوق می‌دهند و از ادامه تحصیل بازمی‌دارند.
اما او مسیر دیگری را انتخاب کرد.
بلوچ در آزمون‌های حسابداری رسمی پاکستان رتبه برتر را به دست آورد، دوره تحصیلش را در سه سال به پایان رساند و به شرکت Deloitte پیوست.
آشنایی با کسب‌وکار صورت‌حساب‌های درمانی
بلوچ سپس در مدرسه مدیریت ایزنبرگ دانشگاه ماساچوست در امهرست مدرک کارشناسی ارشد گرفت و با معدل ۳٫۹ فارغ‌التحصیل شد. پس از آن، یک سال در شعبه آمریکایی Deloitte کار کرد.
او در سال ۲۰۲۰ فعالیت مستقل خود را آغاز کرد و کسب‌وکاری سودآور در زمینه صورت‌حساب‌های درمانی و مشاوره پزشکی در آمریکا راه انداخت. این کسب‌وکار طی چهار سال به تیمی متشکل از ۱۵ تا ۲۰ نفر گسترش یافت.
بلوچ در سال ۲۰۲۴ برای تحصیل در مقطع کارشناسی ارشد دوم به نیویورک رفت. در این مسیر، در دانشگاه علوم پزشکی نیویورک لانگون روی پژوهش‌های سرطان ریه کار کرد و به گروه پژوهشی در اجرای فرایندهای محاسباتی روی رایانه‌های پرقدرت کمک رساند. او بعدها نیز در حوزه مدیریت محصول در TikTok فعالیت کرد.
Clairdoc یادگیری ماشین را با قواعد حاکم بر صورت‌حساب‌های درمانی در آمریکا ترکیب می‌کند. تصویر جنبه نمادین دارد. منبع: Getty Images
ایده راه‌اندازی Clairdoc در اتاق بیمارستان شکل گرفت. زمانی که بلوچ دوره نخست کارشناسی ارشد خود را در علوم داده و هوش مصنوعی می‌گذراند، پدرش که پیوند کلیه انجام داده بود، به آمریکا سفر کرد و فشار خونش ناگهان بالا رفت.
بلوچ در یکی از بهترین بیمارستان‌های شهر مشاهده کرد که کارکنان هنوز یادداشت‌های خود را با دست می‌نوشتند و پرستاران تازه‌وارد نیز به سوابق پزشکی پدرش دسترسی نداشتند.
او گفت: «با اینکه آمریکا از نظر فناوری تا این اندازه پیشرفته است... وارد بیمارستان می‌شوید و می‌بینید که هنوز دارند با خودکار چیزها را یادداشت می‌کنند.»
بلوچ که از نزدیک با فرایندهای صورت‌حساب‌نویسی آشنا بود، می‌دانست این وضعیت چه پیامدی دارد. خطا در مدارک و اسناد می‌تواند به رد شدن مطالبات بیمه‌ای منجر شود و در نهایت، هزینه‌ها را بر دوش بیماران بگذارد.
چرا رد شدن مطالبات بیمه‌ای اهمیت دارد؟
هر بار که فردی در آمریکا به پزشک مراجعه می‌کند، برای دریافت هزینه خدمات، مطالبه‌ای به شرکت بیمه او ارسال می‌شود. اگر اطلاعات این مطالبه ناقص باشد یا کدگذاری آن اشتباه انجام شده باشد، شرکت بیمه می‌تواند آن را رد کند؛ اتفاقی که به‌دفعات رخ می‌دهد.
بر اساس تحلیل بنیاد KFF از داده‌های فدرال، شرکت‌های بیمه فعال در سامانه HealthCare.gov در سال ۲۰۲۴، ۱۹ درصد از مطالبات مربوط به خدمات درون‌شبکه‌ای را رد کردند. نرخ رد مطالبات، بسته به شرکت بیمه، از ۳ تا ۳۶ درصد متغیر بود. از مجموع حدود ۴۵۱ میلیون مطالبه ثبت‌شده برای خدمات درون‌شبکه‌ای، تقریباً ۸۵ میلیون مورد رد شد.
بررسی KFF نشان داد که فقط ۵ درصد از موارد رد مطالبات به ضرورت پزشکی مربوط می‌شد و حدود یک‌چهارم آن‌ها دلایل اداری داشتند. بیمه‌شدگان برای کمتر از یک درصد مطالبات ردشده درخواست تجدیدنظر کردند و شرکت‌های بیمه نیز در ۶۶ درصد از همین موارد، تصمیم اولیه خود را تأیید کردند.
کلینیک‌ها نیز اغلب برای تغییر این تصمیم‌ها اقدامی نمی‌کنند. بر اساس پژوهشی در صنعت که انجمن مدیریت گروه‌های پزشکی آمریکا به آن استناد کرده است، هزینه متوسط رسیدگی مجدد به هر مطالبه ردشده ۲۵٫۲۰ دلار است. با این حال، بیشتر مطالبات ردشده هرگز دوباره بررسی نمی‌شوند.
پژوهشگران در مقاله‌ای منتشرشده در مجله JAMA برآورد کرده‌اند که اتلاف منابع ناشی از فرایندهای صورت‌حساب‌نویسی و کدگذاری، به‌تنهایی سالانه حدود ۲۴۸ میلیارد دلار برای نظام سلامت آمریکا هزینه دارد. نشریه Health Affairs رقم گسترده‌تر اتلاف منابع اداری را تا ۵۷۰ میلیارد دلار برآورد می‌کند.
این مشکل برای کلینیک‌هایی که بلوچ بازار هدف خود قرار داده، شدیدتر است. مراکز تخصصی سرپایی، مانند کلینیک‌های گوارش و پوست، سالانه حدود یک تا پنج میلیون دلار درآمد دارند، اما معمولاً امور صورت‌حساب‌های بیمه‌ای آن‌ها را تنها یک یا دو نفر انجام می‌دهند.
بلوچ گفت: «آن‌ها با همان پیچیدگی صورت‌حساب‌های یک بیمارستان روبه‌رو هستند، اما تیم کوچکی دارند.»
کم‌پرداختی بیمه‌گران نیز مشکل دیگری است. به گفته او، اگر کلینیکی برای یک خدمت مطالبه‌ای به مبلغ ۱۰۰۰ دلار ارسال کند، اما فقط ۸۰۰ دلار دریافت کند، بیشتر کارکنان بخش صورت‌حساب از پیگیری ۲۰۰ دلار باقی‌مانده صرف‌نظر می‌کنند. صدها مطالبه دیگر در صف انتظار است و برای رسیدگی به هرکدام فقط ۱۰ تا ۱۵ دقیقه فرصت دارند.
وقتی رد شدن مطالبه نهایی می‌شود، در بسیاری از موارد بیمار ناچار است هزینه را بپردازد.
بلوچ گفت: «این وضعیت هم برای بیمار و هم برای پزشک باخت است، اما برای شرکت بیمه همیشه برد محسوب می‌شود.»
او اضافه کرد که بیماران کم‌درآمد بیش از دیگران آسیب می‌بینند، زیرا احتمال مراجعه آن‌ها به کلینیک‌هایی که کارکنان بخش صورت‌حسابشان زیر فشار کاری هستند، بیشتر است.
آمار مربوط به رد شدن مطالبات بیمه‌ای در آمریکا و اهداف Clairdoc برای کاهش آن‌ها. منبع: TheStreet Roundtable
Clairdoc دقیقاً چه کاری انجام می‌دهد؟
Clairdoc مطالبات بیمه‌ای را پیش از ارسال بررسی می‌کند و مواردی را که احتمال رد شدنشان زیاد است، همراه با دلیل احتمالی مشخص می‌سازد. این ابزار همچنین مطالبات ثبت‌شده در گذشته را حسابرسی می‌کند تا مبالغی را که شرکت‌های بیمه هنوز بدهکارند، پیدا کند.
فناوری این شرکت «هوش مصنوعی عصب‌نمادین» نام دارد. به زبان ساده، این روش یادگیری ماشین را با قواعد مکتوب حاکم بر صورت‌حساب‌های درمانی آمریکا ترکیب می‌کند. به گفته بلوچ، یک مدل صرفاً احتمالاتی که مانند جعبه سیاه عمل کند، نمی‌تواند توضیح دهد چرا یک مطالبه رد شده است.
او می‌پرسد: «اگر ندانید چطور یک مشکل را حل کنید، اصلاً چگونه می‌خواهید آن را برطرف کنید؟»
بسیاری از مطالبات زمانی رد می‌شوند که شرکت بیمه تشخیص دهد وضعیت بیمار به پیچیدگی‌ای که پزشک در پرونده ثبت کرده، نبوده است. بلوچ گفت تیم او پژوهشی درباره پیچیدگی وضعیت بیماران در کنفرانس ICML، یکی از کنفرانس‌های مهم یادگیری ماشین، منتشر کرده است. این تیم بر اساس آن پژوهش، شاخصی برای بیماری‌های همراه توسعه داده که پیش‌بینی می‌کند بیمه‌گر وضعیت بیمار را چگونه ارزیابی خواهد کرد و به پزشکان می‌گوید در یادداشت‌های پزشکی خود چه اطلاعاتی را باید ثبت کنند تا هزینه خدماتشان پرداخت شود.
هدف این است که نرخ رد مطالبات در کلینیک‌ها از حدود ۱۵ درصد به کمتر از ۸ درصد برسد.
بلوچ گفت: «هدف ما این است که پزشک از همان بار اول و به‌درستی دستمزد خدماتش را دریافت کند و بیمار هم بتواند بهترین مراقبت ممکن را بگیرد.»
این شرکت در برنامه Google for Startups و برنامه Inception شرکت NVIDIA حضور دارد و از مرکز رشد استارتاپ دانشگاه نیویورک نیز بهره برده است. بلوچ در پاییز امسال به‌عنوان یکی از همراهان برنامه ویژه بنیان‌گذاران زن این دانشگاه انتخاب شد. او همچنین در رویداد Demo Day دانشگاه نیویورک طرح کسب‌وکار Clairdoc را ارائه کرده است.
رونق فناوری سلامت
به گزارش ماه ژوئیه نشریه Fierce Healthcare، سرمایه‌گذاری خطرپذیر در استارتاپ‌های هوش مصنوعی فعال در حوزه صورت‌حساب‌های درمانی به‌شدت افزایش یافته است. در همین روند، شرکت Candid Health در دور چهارم تأمین مالی خود، به رهبری Sixth Street Growth، ۱۲۰ میلیون دلار جذب کرد. با این سرمایه‌گذاری، مجموع سرمایه جذب‌شده این شرکت از ۲۱۹ میلیون دلار فراتر رفت. Candid Health می‌گوید بیش از ۲۰۰ سازمان حوزه سلامت از نرم‌افزار آن استفاده می‌کنند و این سامانه سالانه حدود ۷ میلیارد دلار مطالبه بیمه‌ای را پردازش می‌کند.
شرکت Adonis مستقر در نیویورک نیز در ماه مارس ۴۰ میلیون دلار در دور سوم تأمین مالی جذب کرد و مرکز درمانی Mount Sinai را در میان مشتریان خود دارد. شرکت AKASA نیز بیش از ۲۰۰ میلیون دلار سرمایه جذب کرده است.
شرکت‌های باسابقه این بازار هم در حال توسعه فعالیت‌های خود هستند. Waystar که به حدود ۳۰ هزار مشتری خدمات ارائه می‌دهد، در اول اکتبر ۲۰۲۵ خرید شرکت Iodine Software را نهایی کرد. این معامله قابلیت‌های هوش مصنوعی را به پلتفرمی اضافه کرد که سالانه بیش از ۱٫۸ تریلیون دلار مطالبه بیمه‌ای را پردازش می‌کند.
بیشتر این شرکت‌ها محصولات خود را به بیمارستان‌ها و گروه‌های بزرگ ارائه‌دهنده خدمات درمانی می‌فروشند. اما Clairdoc بازار کلینیک‌های تخصصی کوچک را هدف گرفته است. هنوز مشخص نیست که آیا این بخش از بازار خلأیی است که شرکت‌های بزرگ از آن غافل مانده‌اند یا بازاری که آن‌قدر کوچک است که نمی‌توان کسب‌وکاری پایدار بر پایه آن ساخت.
بررسی CB Insights از ۴۳۱ استارتاپ تحت حمایت سرمایه‌گذاران خطرپذیر که از سال ۲۰۲۳ در بخش‌های مختلف تعطیل شده‌اند، نشان داد ۴۳ درصد آن‌ها ناهماهنگی میان محصول و بازار را دلیل شکست خود اعلام کرده‌اند؛ یعنی نتوانسته‌اند به تعداد کافی مشتریانی پیدا کنند که خواهان محصولشان باشند. میانه عمر این شرکت‌ها از آخرین دور تأمین مالی تا تعطیلی، ۲۲ ماه بود.
شرکت‌های بزرگ نیز در استفاده از هوش مصنوعی با مشکل روبه‌رو هستند. پژوهشی از مؤسسه فناوری ماساچوست (MIT) درباره پروژه‌های هوش مصنوعی مولد که نشریه Fortune گزارش کرد، نشان داد تنها حدود ۵ درصد از طرح‌های آزمایشی به رشد سریع درآمد منجر شده‌اند. همان پژوهش نشان داد خرید ابزارهای هوش مصنوعی از فروشندگان متخصص در حدود ۶۷ درصد موارد نتیجه‌بخش بوده است؛ یافته‌ای که می‌تواند به سود شرکت‌هایی مانند Clairdoc باشد.
راه یافتن به بازار
بلوچ پیش از ساخت محصول، در دوره فشرده مرکز رشد استارتاپ دانشگاه نیویورک شرکت کرد و سپس چند ماه را به شناخت مشتریان اختصاص داد. او با بیش از ۱۰۰ پزشک و ۵۰ نفر از کارکنان بخش صورت‌حساب‌های درمانی مصاحبه کرد.
او گفت: «امروزه ساختن محصول بسیار آسان‌تر شده است. مهم‌ترین مسئله برای بنیان‌گذاران این است که بدانند چه چیزی بفروشند و چگونه آن را بفروشند.»
فروش محصول بخش دشوار کار بود. به گفته بلوچ، ورود به بازار سلامت برای شرکت‌های تازه‌وارد آسان نیست و اتصال نرم‌افزار به سامانه‌های پرونده الکترونیک سلامت هزینه زیادی دارد. به همین دلیل، او کار را با استفاده از شبکه ارتباطی خودش آغاز کرد.
او گفت نخستین مشتریانش کلینیک‌هایی بودند که از رد شدن مطالبات بیمه‌ای ضرر می‌کردند. یکی از پزشکان نیز اجازه داد این ابزار روی مطالبات قبلی او آزمایش شود.
بلوچ می‌گوید در حال حاضر شرکت با بیش از ۱۲ پزشک در بیش از هشت کلینیک همکاری می‌کند که همگی در حوزه‌های پوست و گوارش فعالیت دارند.