Kartu Kesehatan Proses AI di Make

Q: What types of health cards can this module process?

The module processes standard health insurance cards issued by US and international insurers including PPO, HMO, EPO, and Medicare/Medicaid cards. It reads both physical card scans and digital card images sent by patients via email, portal upload, or mobile photo. The AI is trained to handle varying card layouts, font styles, and field arrangements so it does not require a fixed template for each insurer.

Q: Does the module support image files or only PDFs?

Both are supported. You can pass .pdf, .png, .jpg, and .jpeg files to the Document input. For card photos taken on a smartphone, a .jpeg or .png works directly without any conversion step. For scanned documents delivered as PDFs, pass the binary content from your download module. The AI processes whichever format you supply.

Q: What data fields does the AI extract from a health card?

The module returns a structured output bundle with fields including memberId, groupNumber, planType, insuranceProvider, memberName, dateOfBirthStr, effectiveDateStr, rxBin, rxPcn, rxGroup, and copayInfo (an array with copay amounts per service type such as Primary Care and Specialist). Each field is an individual mappable token in Make - no JSON parsing or custom functions are needed to access them.

Q: How accurate is the AI extraction?

Accuracy depends on image quality. For clear, well-lit card photos or high-resolution scans, confidence scores typically exceed 90% on core fields like memberId and insuranceProvider. Blurry photos, low-contrast cards, or cards with non-standard layouts will produce lower confidence. The output includes a confidence object per field - use a Make Filter to route low-confidence results to a human review queue rather than passing them directly to an EHR or billing system.

Kartu Kesehatan Proses AI adalah sebuah PDF4me Modul AI untuk Make yang mengekstrak bidang terstruktur dari gambar kartu asuransi kesehatan atau PDF. Fungsi ini mengembalikan nama anggota, ID anggota, nomor grup, jenis paket, perusahaan asuransi, dan ISO 8601 tanggal cakupan sebagai output yang dapat dipetakan untuk alur kerja kelayakan, orientasi, dan klaim yang mengikutinya HIPAA aturan penanganan.

Fungsi modul ini

PDF4meKartu Kesehatan Proses AI membaca gambar kartu asuransi kesehatan atau PDF dan mengembalikan data asuransi terstruktur sebagai bidang yang dapat dipetakan secara individual, ID anggota, nomor grup, jenis paket, penyedia asuransi, nama anggota, tanggal lahir, tanggal pertanggungan, BIN resep, PCN, grup, dan informasi pembayaran bersama per jenis layanan. Tidak ada templat yang perlu dibuat dan tidak ada posisi bidang yang perlu dikonfigurasi. AI secara otomatis mengenali tata letak kartu dari perusahaan asuransi mana pun, sehingga praktis untuk portal penerimaan pasien, alur kerja verifikasi asuransi, dan skenario pra-otorisasi manfaat. Make di mana kartu-kartu tersebut berasal dari berbagai penyedia yang berbeda.

Postingan Blog Terkait

Belum ada postingan blog untuk fitur ini — akan segera hadir.

Sementara itu, jelajahi blog PDF4me untuk menemukan tutorial dan alur kerja di berbagai platform.

Kunjungi blog ini →

Memverifikasi Identitas Anda API Meminta

Setiap PDF4me modul di Make memerlukan validitas KoneksiBuat atau pilih salah satu yang sesuai dengan kebutuhan Anda. PDF4me API kunci agar skenario dapat memanggil layanan kartu kesehatan AI dengan aman.

Get your API Key

Fakta Penting yang Tidak Boleh Anda Lewatkan

Tidak perlu pengaturan templat, AI menangani tata letak kartu apa pun.

Tidak seperti OCR Untuk solusi yang memerlukan koordinat lapangan atau templat per-penanggung, modul ini menggunakan model AI terlatih yang secara otomatis mengenali tata letak kartu. Anda cukup menyediakan gambar kartu atau PDF dan AI tersebut menemukan ID anggota, nomor grup, kolom resep, dan detail pembayaran bersama tanpa konfigurasi apa pun, mendukung ratusan format kartu asuransi secara langsung.

Mendukung PDF, PNG, JPG, Dan JPEG masukan

Kirim konten biner dari sumber mana pun, unggahan file portal pasien, lampiran email, atau Dropbox unduh, atau Google Drive file, langsung ke kolom Dokumen. Tidak perlu mengonversi gambar ke PDF atau melakukan langkah pra-pemrosesan apa pun. Petakan Nama File dengan ekstensi yang benar (.pdf, .png, .jpg, atau .jpeg) agar modul mendeteksi format dengan benar.

Setiap kolom keluaran merupakan token yang dapat dipetakan secara terpisah.

Modul ini mengembalikan semua field yang diekstrak sebagai token individual dalam bundel output, yaitu memberId, groupNumber, planType, insuranceProvider, memberName, dateOfBirthStr, effectiveDateStr, rxBin, rxPcn, rxGroup, dan copayInfo. Tidak JSON penguraian, tanpa fungsi khusus. Klik token apa pun di Makepanel pemetaan untuk menghubungkannya langsung ke Airtable bidang, kondisi Router, isi email, atau EHR API panggilan.

Buat modul Kartu Kesehatan Proses AI PDF4me yang menampilkan Koneksi diatur ke Koneksi PDF4me saya, File diatur ke Peta dengan Nama File yang dipetakan dari 1. Nama File dan Dokumen dipetakan dari 1. Data — Mengatur **Mengajukan** ke **Peta**lalu kawat **Nama File** Dan **Dokumen** dari langkah pengunduhan atau penerimaan berkas kartu kesehatan.

Parameter apa yang digunakan oleh AI-Process Health Card? Make?

Diperlukan: Koneksi, Nama File, Dan Dokumen. Mengatur Mengajukan ke Peta Pertama, ini akan menampilkan kolom Nama File dan Dokumen di panel modul.

Parameter	Diperlukan	Apa fungsinya?	Contoh pemetaan
Connection	Required	PDF4me API connection that authenticates the AI health card request. Click Add to create one by pasting your PDF4me API key: reused automatically across all PDF4me modules in your scenarios.	`My PDF4me connection`
File	No	How the health card file is supplied to the module. Choose Map when passing binary content from a prior download step. Choose Dropbox, Download a File to pull directly from a Dropbox trigger without a separate download step.	`Map`
File Name	Required	Filename of the health card including extension (.pdf, .png, .jpg, or .jpeg). Used by the AI to detect the input format. Map from the filename output of your source module: e.g. the File Name field of a Dropbox or Google Drive download step.	`1. File Name`
Document	Required	Binary content of the health card file. Must be raw file bytes from a download or upload module: the Data field in Dropbox, Google Drive, or OneDrive. Do not pass a URL string or filename here; the module requires actual binary to run AI processing.	`1. Data`

Bidang Keluaran

Bidang	Jenis	Isi di dalamnya
`memberId`	String	Unique member identification number printed on the card. Map into patient records or use in a Router to look up existing members.
`groupNumber`	String	Group or policy number. Used in insurance verification API calls and claims submissions.
`planType`	String	Type of health plan: PPO, HMO, EPO, Medicare, Medicaid, etc. Use in a Router to branch scenario logic per plan type.
`insuranceProvider`	String	Name of the insurance company (e.g. Blue Cross Blue Shield, Aetna, UnitedHealth). Map into EHR or billing records.
`memberName`	String	Full name of the insured member as printed on the card.
`dateOfBirthStr`	String	Member date of birth in ISO 8601 format. Use to cross-verify against registration data.
`effectiveDateStr`	String	Date when coverage became or becomes effective. Use in a Filter to reject expired coverage before scheduling.
`rxBin`	String	Prescription BIN number for drug coverage routing through pharmacy networks.
`rxPcn`	String	Prescription PCN (Processor Control Number) for pharmacy claims.
`rxGroup`	String	Prescription group identifier for pharmacy benefit management.
`copayInfo`	Array	Array of copay entries: each with a service type (e.g. Primary Care, Specialist, Emergency) and copay amount. Map into a Slack notification or patient-facing email.

Bagaimana cara saya mengatur Kartu Kesehatan Proses AI di Make?

Menambahkan PDF4me → Kartu Kesehatan Proses AI untuk Anda Make skenario.
Pilih Koneksi (atau klik) Menambahkan untuk membuat satu dengan milikmu PDF4me API kunci).
Di bawah Mengajukan, memilih Peta untuk menampilkan kolom Nama File dan Dokumen.
Peta Nama File pada output nama file dari langkah sumber Anda: sertakan ekstensi (.pdf, .png, .jpg, atau .jpeg).
Peta Dokumen ke bidang data biner dari langkah yang sama: biasanya dinamai Data di dalam Dropbox, Google Drive, atau OneDrive modul.
Menyimpan lalu klik Jalankan sekaliPerluas bundel output: setiap bidang yang diekstrak adalah token yang dapat dipetakan secara terpisah dan siap untuk dihubungkan ke EHR APIs, basis data, atau modul pemberitahuan.

Contoh Alur Kerja

Contoh Alur KerjaCommon Make scenario patterns using AI-Process Health Card.

Unggah ke portal pasien → Ekstraksi AI → Buat EHR catatan

Pasien baru mengunggah gambar kartu kesehatannya melalui sebuah Typeform atau JotForm portal masuk.
Kartu Kesehatan Proses AI Mengekstrak memberId, planType, insuranceProvider, dan copayInfo dari gambar yang diunggah.
Router bercabang berdasarkan planType, pasien PPO diarahkan ke salah satu cabang tersebut. EHR alur kerja, HMO ke HMO lain.
Sebuah HTTP Modul ini membuat rekam medis pasien baru di dalam EHR Sistem dengan semua kolom asuransi yang diekstrak sudah terisi sebelumnya.
Gmail mengirimkan konfirmasi kepada pasien beserta jumlah biaya tambahan (copay) untuk layanan umum.

Lampiran email → penguraian AI → verifikasi manfaat → persiapan janji temu

Gmail Terpicu ketika pasien mengirimkan gambar kartu kesehatan mereka sebagai lampiran melalui email sebelum janji temu.
Kartu Kesehatan Proses AI mengekstrak memberId, groupNumber, effectiveDateStr, dan rxBin.
Filter akan memblokir skenario jika effectiveDateStr berada di masa lalu, dan email otomatis akan meminta pasien untuk memberikan informasi cakupan asuransi yang terbaru.
Sebuah HTTP modul memanggil kelayakan perusahaan asuransi API dengan memberId dan groupNumber untuk mengkonfirmasi manfaat aktif.
A Slack Pesan tersebut mengirimkan jumlah biaya tambahan dan jenis paket ke saluran resepsionis sebelum pasien tiba.

Batch verifikasi ulang tahunan, Dropbox folder → ekstrak ulang → perbarui catatan

Skenario terjadwal mencantumkan semua gambar kartu kesehatan di dalam sebuah Dropbox folder "verifikasi tahunan".
Iterator berulang melalui setiap file dan meneruskannya ke Kartu Kesehatan Proses AI.
Modul ini mengekstrak ulang insuranceProvider, planType, effectiveDateStr, dan groupNumber untuk setiap kartu.
Sebuah Airtable atau Google Sheets Modul ini memperbarui rekam medis pasien dengan data asuransi yang telah diperbarui.
Filter kedua menandai catatan di mana perusahaan asuransi atau nomor grup berubah sejak tahun lalu untuk ditinjau secara manual.

Pertanyaan yang Sering Diajukan

What types of health cards can this module process?+

The module processes standard health insurance cards from US and international insurers including PPO, HMO, EPO, and Medicare/Medicaid plans. It reads both physical card scans and digital card images sent via patient portal upload, email attachment, or mobile photo. The AI is trained on diverse card layouts across hundreds of insurers, so it does not require a fixed template or field-coordinate configuration for each provider: you supply the card and the AI extracts the data.

Does the module support image files or only PDFs?+

Both formats are fully supported. You can pass .pdf, .png, .jpg, and .jpeg files directly to the Document input. For smartphone photos of physical cards, .jpeg or .png work without any conversion step. For scanned card documents delivered as multi-page PDFs, the module reads the card from the PDF pages. Set File Name with the correct extension so the AI detects the input format accurately: passing a .png with a .pdf extension may cause a format mismatch error.

What data fields does the AI extract from a health card?+

The module returns memberId, groupNumber, planType, insuranceProvider, memberName, dateOfBirthStr, effectiveDateStr, rxBin, rxPcn, rxGroup, and copayInfo (an array listing copay amounts for service types such as Primary Care, Specialist, and Emergency). Each field is an individual mappable token in Make: no JSON parsing or custom functions are needed. Fields that are absent from a card or not readable will return empty strings rather than causing an error.

How accurate is the AI extraction, and how do I handle low-confidence results?+

For clear, well-lit card photos or high-resolution scans at 200 DPI or above, accuracy on core fields like memberId and insuranceProvider typically exceeds 90%. Blurry photos, low-contrast cards, or non-standard layouts produce lower confidence. Add a Make Filter after the module to check the success field: route failed extractions or empty memberId results to a human review queue in Airtable or a Slack alert rather than passing them directly to billing or EHR systems.

How do I use the extracted data in the next Make module?+

After the module runs, expand its output bundle in the Make mapping panel. Each extracted field appears as an individual selectable token: click memberId to insert it into an EHR record field, planType to set a Router branch condition, effectiveDateStr to wire into a Filter that rejects expired coverage, or copayInfo to populate a patient-facing email template. The full output is also available as a single JSON object if you need to store the entire record in a database in one step.