Auto
Įvadas
Sveikatos priežiūros paslaugų teikėjai susiduria su sudėtinga kodavimo ir dokumentacijos našta. Kiekvienas paciento apsilankymas turi būti paverstas tiksliais diagnozių ir procedūrų kodais (TLK ir CPT), kad būtų užtikrinta priežiūra, atsiskaitymas ir ataskaitų teikimas. Praktikoje tai yra linkę į klaidas ir atima daug laiko: tyrimai rodo, kad „TLK-10-CM kodavimas išlieka pagrindine operacine našta ligoninėse“ (www.nature.com), o dokumentacijos klaidos nurodomos kaip pagrindinė pretenzijų atmetimo priežastis (www.beckersasc.com). Klinikinės dokumentacijos tobulinimo (CDI) programos siekia patikslinti užrašus ir kodus, tačiau rankiniai procesai gali sulėtinti klinicistus ir koduotojus. Pastaruoju metu atsirado dirbtinio intelekto pagrindu veikiantys kodavimo ir CDI agentai, padedantys teikti kodų pasiūlymus, tikrinti klaidas ir užkirsti kelią atmetimams. Integruodami juos su Elektroninėmis sveikatos kortelėmis (ESK) ir apimdami plačias medicinines ontologijas, šie įrankiai žada padidinti kodavimo tikslumą, sumažinti pretenzijų atmetimą ir sutaupyti klinicistų laiko, tuo pat metu išlaikant atitiktį privatumo įstatymams (HIPAA) ir saugumo standartams. Šiame straipsnyje apžvelgiama dešimt pirmaujančių dirbtiniu intelektu pagrįstų kodavimo/CDI agentų, lyginant jų integraciją, veikimo rodiklius ir apsaugos priemones, tada išryškinami trūkumai ir ateities kelias verslininkams.
Kodavimo ir dokumentacijos agentų vertinimo kriterijai
Norėdami palyginti sprendimus, atsižvelgiame į:
- CDI pasiūlymai ir gairės: Ar agentas teikia klinicistams ar koduotojams dokumentacijos tobulinimo užklausas (pvz., trūksta detalių tikslumui)? Ar jo pasiūlymai integruoti į klinikinį procesą (pvz., užrašų įvedimo metu)?
- Kodavimo automatizavimas (TLK, CPT, HCC ir kt.): Kaip agentas išskiria informaciją ir priskiria kodus? Ar jis palaiko diagnozės (TLK-10), procedūros (CPT/HCPCS), rizikos koregavimo (HCC), modifikatorių ir atitikties kodų rinkinius? Koks medicininės ontologijos padengimo lygis siūlomas (SNOMED-CT, RxNorm, LOINC ir kt.) ir koks naujausias yra jo kodų bibliotekos?
- Atsisakymo prevencija: Funkcijos, tokios kaip mokėtojo taisyklių patvirtinimas, išankstiniai atsiskaitymo pakeitimai ir nuspėjamoji analizė, siekiant nustatyti dažnas atmetimo priežastis (trūkstami modifikatoriai, medicininės būtinybės trūkumas ir kt.) prieš pateikiant pretenziją. Efektyvus agentas turėtų apimti nutraukimo patikrinimus dėl taisyklių ir reguliavimo pakeitimų (tokių kaip NCD/LCD kriterijai).
- ESK ir darbo srauto integracija: Suderinamumas su pagrindinėmis ESK sistemomis (Epic, Cerner/Oracle, Allscripts, Athenahealth ir kt.) per HL7/FHIR arba API integraciją. Agentai yra naudingiausi, kai jie veikia „diagramoje“ arba kaip šoninė juosta: pavyzdžiui, IKS Health AI kodavimo variklis dabar prieinamas per Epic Connection Hub (www.businesswire.com). Mes lyginame, ar kiekvienas sprendimas turi sertifikuotus ryšius arba FHIR pagrindu veikiančius modulius.
- Žmogaus įsikišimo (HITL) peržiūra: Subalansuota automatizacija ir priežiūra. Pirmaujantys sprendimai paprastai automatiškai koduoja didelio patikimumo elementus, bet neaiškius atvejus nukreipia žmogaus koduotojams arba CDI specialistams. Pavyzdžiui, IKS Health variklis įvertina kiekvieną kodą ir nukreipia mažo patikimumo elementus ekspertams (www.businesswire.com). Mes atkreipiame dėmesį, ar sistema teikia audito žurnalus, koduotojo pakeitimus ir nuolatinį mokymąsi iš vartotojų atsiliepimų.
- Veikimo rodikliai: Kaip šie agentai veikia praktikoje? Pagrindiniai rodikliai apima kodavimo tikslumą (teisingų kodų procentas), pirmos eigos pretenzijų priėmimą arba atmetimo dažnį ir sutaupytą laiką. Pavyzdžiui, realaus pasaulio tyrime dviejose institucijose, LLM pagrindu veikiantis koduotojas „žymiai sumažino kodavimo laiką, išlaikydamas tikslumą“ (www.nature.com). Kitas tyrimas nustatė, kad paieška papildytos LLM pranoko žmogaus koduotojus skubios pagalbos skyriaus TLK-10-CM kodavimo tikslumu (www.medrxiv.org). Mes lyginame pardavėjų teiginius (pvz., 90–98% tikslumas, X% mažiau atmetimų) su paskelbtais duomenimis.
- Klinikų laiko taupymas: Kai kurie įrankiai veikia kaip aplinkos dirbtinio intelekto raštininkai arba užrašų asistentai, kurie gali sumažinti dokumentacijos laiką. Daugiavietis JAMA tyrimas nustatė, kad naudojant dirbtinio intelekto raštininką, klinicistai sutaupė apie 13–16 minučių per 8 valandų klinikos dieną dokumentacijos laiko (maždaug 3–10% sumažėjimas) (pmc.ncbi.nlm.nih.gov). Mes atkreipiame dėmesį, kurie agentai teikia pagalbą užrašų generavimo, o ne post-hoc kodavimo srityje.
- Atitiktis ir saugumas: Visi agentai turi atitikti HIPAA reikalavimus ir saugiai tvarkyti saugomą sveikatos informaciją (SSI) (šifravimas perduodant/ramybėje, prieigos kontrolė, audito žurnalai, verslo asociacijos sutartys ir kt.). Pavyzdžiui, QuickIntell „QuickCode“ sprendimas giriasi atitiktimi HIPAA ir SOC2 su visišku šifravimu ir audito žurnalais (quickintell.com). Mes atkreipiame dėmesį, ar sprendimai naudoja vietinį ar privatų debesies diegimą, duomenų saugojimo galimybes ir kaip jie aiškiai filtruoja ar atsisako teikti medicinines konsultacijas (išvengiant „haliucinacijų“). Idealus agentas savo vaidmenį apriboja kodų pasiūlymais ir dokumentacijos užklausomis bei pateikia įrodymų nuorodas (diagramos tekstą), pagrindžiančias kiekvieną kodą.
Pirmaujantys AI kodavimo ir CDI agentai
Žemiau pateikiami dešimt žymių sprendimų (jokia tvarka). Kiekviename įraše aprašomos pagrindinės funkcijos, integravimo pastabos ir visi paskelbti veikimo teiginiai.
1. IKS Health autonominis kodavimo variklis (ICAP) (www.businesswire.com)
IKS Health (outsourcing/RCA paslaugų teikėjas) siūlo AI pagrindu veikiantį kodavimo variklį, dabar integruotą su Epic. Jo verslo pranešimas spaudai giriasi iki 95% kodavimo tikslumu ir sumažintu atmetimų skaičiumi (www.businesswire.com). Sistema priima diagramos dokumentus iš bet kurio šaltinio, naudoja NLP ir taisyklėmis pagrįstą logiką, kad pasiūlytų TLK-10, CPT ir E/M kodus su patikimumo balais (www.businesswire.com), o „žmogaus koduotojai peržiūri mažo patikimumo kodus“ (www.businesswire.com). Tada variklis taiko mokėtojui būdingas taisykles ir „išankstinio atsiskaitymo peržiūros sluoksnį“, kad patvirtintų atitiktį. IKS praneša, kad vidutinis JAV pretenzijų atmetimo dažnis yra ~12%; jo AI darbo srautas (su žmogaus patikrinimais) siekia viršyti šį etaloną (www.businesswire.com). Kadangi jis yra Epic sertifikuotas, klinikinės komandos gali tiesiogiai pasiekti kodavimo pasiūlymus Epic diagramoje, susiedamos kodavimo logiką su diagramos įrodymais. (Nepriklausomų tyrimų duomenų nėra, tačiau įmonė pozicionuoja tai kaip „audito parengtą“ sprendimą, derinantį AI kodavimą su tradicine peržiūra.)
2. MediCodio (CODIO AI) (medicodio.ai)
MediCodio siūlo hibridinę žmogaus + AI platformą. Jos CODIO AI variklis teigia pasiekiantis „98% kodavimo tikslumą daugiau nei 50 specialybių“ ir, svarbiausia, 83% sumažinimą pretenzijų atmetimų lyginant su pramonės vidurkiu (medicodio.ai). Jis apdoroja diagramas 81% greičiau nei rankinis kodavimas (vidutiniškai ~1,5 minutės vienai diagramai, palyginti su ~8 minutėmis) (medicodio.ai). Kaip? MediCodio palaiko du režimus: CoPilot režimą, kuriame sertifikuoti koduotojai peržiūri AI pasiūlymus, ir AutoPilot režimą visiškai automatizuotam kodavimui (tikrinamam po to) (medicodio.ai). Sistema yra ISO 27001 sertifikuota, atitinka HIPAA reikalavimus ir integruojasi su pagrindinėmis ESK sistemomis per Veradigm ir kitus (medicodio.ai). Ji didžiuojasi visišku kodų palaikymu (TLK-9/10, CPT, HCPCS, DRG ir kt.) ir teigia sumažinanti atmetimus, nustatydama trūkstamus modifikatorius ar nepakankamą dokumentaciją. Platforma taip pat indeksuoja kodų pagrindimus, kad būtų galima greitai atlikti auditus.
3. Cavo Health CDI ir kodavimo asistentas (cavohealth.com)
Cavo Health siūlo AI platformą, pagrįstą „tikslus žodžių atitikimas“, o ne grynu mašininiu mokymu. Ji skirta tiek CDI, tiek kodavimui: siūlo patobulintą dokumentaciją HCC rizikos fiksavimui ir generuoja tikslius TLK-10 kodus iš karto (cavohealth.com). Cavo teigia, kad iš karto pasiekiamas kodavimo tikslumas „gerokai viršija 70–80%“, būdingą tik ML sistemoms (cavohealth.com), ypač sudėtingoms diagnozėms ir ligoninių HCC kodavimui. Įrankis skirtas naudoti paciento priežiūros vietoje (pasiūlymai rodomi įvedant užrašą), siekiant pagerinti gydytojo įsitraukimą. Jis pabrėžia retus ar sudėtinius kodus, kuriuos grynosios LM sistemos dažnai praleidžia. (Nepriklausomų patvirtinimų nėra, tačiau cituojami pirmieji naudotojai specializuotose klinikose.) Cavo sąsaja pabrėžia minimalų paspaudimų skaičių: ji veikia ESK sistemoje, siūlo konkrečius koduojamus terminus, kai diktuojamas užrašas, ir prireikus užduoda patikslinančius klausimus. Sistema sukurta taip, kad atitiktų HIPAA reikalavimus, šifruoja duomenis ir leidžia vietinį diegimą, kad SSI būtų kontroliuojama institucijos.
4. RevCodeMD (RevStream) (revstream.io)
RevStream RevCodeMD yra debesies AI automatizuoto kodavimo sprendimas, skirtas gydytojų praktikoms ir ligoninėms. Svetainėje pabrėžiamas „AI pagrindu veikiantis automatinis kodavimas – 98% tikslumas, paruoštas auditui“ (revstream.io). Jis apdoroja laisvo teksto užrašus (apsilankymus, anamnezes, procedūrų ataskaitas) ir per kelias sekundes pateikia CPT ir TLK kodus (revstream.io). RevCodeMD aiškiai mini, kad jo sistema „žino mokėtoją“ – ji taiko pretenzijų tikrinimą ir redagavimus, kad aptiktų trūkstamą informaciją (užkertant kelią tam tikriems atmetimams). Ji apima prieigos kontrolę pagal vaidmenis ir audito žurnalus, kad atitiktų HIPAA reikalavimus. RevStream pažymi integraciją per standartines sąsajas, nors konkrečios ESK jungtys svetainėje nėra išsamiai aprašytos. (Vienas šaltinis nurodo Veradigm/FHIR palaikymą, panašų į kitus RCM įrankius.) Praktikoje RevCodeMD pozicionuojamas kaip paprastas „automatinis koduotojas“ klinicistams, su vartotojo prietaisų skydeliu, skirtu koduotojams peržiūrėti visus pavojaus ženklus. Kaip ir su panašiais produktais, žmogaus koduotojai patvirtina galutinius kodus. Nėra cituojami recenzuoti tikslumo tyrimai, tačiau 98% rodiklis atitinka pardavėjų pateiktus etalonus.
5. Arintra autonominė kodavimo platforma (www.arintra.com) (www.arintra.com)
Arintra teikia AI kodavimo platformą, naudojamą sveikatos sistemų ir pardavėjų. Pagal jų dokumentaciją, „Arintra autonomiškai apdoroja kiekvieną paciento kortelę“, išgaudama atsiskaitymo mokesčius ir tikslius kodus (E/M, TLK-10, HCC, HCPCS, modifikatorius) (www.arintra.com). Pagrindinė funkcija yra specializacija pagal skyrius: Arintra gali įtraukti mokėtojui/specialybei būdingas taisykles, kad patvirtintų kodų derinius. Įmonė teigia, kad Arintra gali automatiškai tvarkyti iki 80–90% kortelių, drastiškai sutrumpindama apdorojimo laiką (www.arintra.com). Apdorodama didelio kiekio įprastus atvejus, ji leidžia koduotojams sutelkti dėmesį į sudėtingus apsilankymus. Savo medžiagoje Arintra cituoja mažesnį vėlesnių atmetimų skaičių ir greitesnes pretenzijas dėl išankstinio atsiskaitymo patvirtinimo. Integracija vykdoma per HL7/FHIR, kad būtų galima gauti paciento apsilankymus ir grąžinti užkoduotus mokesčius į atsiskaitymą. Platforma siūlo prietaisų skydelius apie kodavimo tikslumą ir atmetimo tendencijas (padeda administratoriams stebėti veiklos rezultatus). Arintra reklamuojasi, kad atitinka SOC 2 ir HIPAA reikalavimus (su duomenų šifravimu ir audito žurnalais) savo kūrėjų portale.
6. Solventum 360 Encompass (anksčiau 3M 360 CAC/CDI) (www.solventum.com)
Solventum 360 Encompass yra išsami CAC/CDI platforma, sujungianti NLP ir AI. Ji integruoja kodavimą su CDI procesais: užbaigus dokumentaciją, ji teikia „puikų kodavimą ir optimalius automobilių pasiūlymus“ ir nurodo dokumentacijos spragas (www.solventum.com). Praktikoje 360 Encompass skaito schemas ir automatiškai užpildo įprastus kodų rinkinius: E/M lygius, TLK, CPT, pajamų kodus ir kt., tada leidžia koduotojams peržiūrėti pažymėtus įrašus. Sistema atskiria įprastus ir sudėtingus atvejus; ji automatiškai nukreipia „įprastas“ pretenzijas į atsiskaitymą, o sudėtingus atvejus nukreipia koduotojams su kontekstu (www.solventum.com). Platforma palaiko pasirinktinius redagavimus ir auditus, kad būtų užtikrinta atitiktis. Kadangi 360 Encompass išsivystė iš 3M CAC, ji naudoja dešimtmečius kauptą kodavimo logiką ir CMS atitikties redagavimus. Epic registruotas sprendimas (Epic Connection Hub) yra prieinamas sveikatos sistemoms, naudojančioms Epic ESK. Nėra paskelbtų tiesioginių tikslumo statistikų, tačiau Solventum pabrėžia, kad automatizuotas įprastas kodavimas sumažina žmogaus darbo krūvį, o apjungtos CDI peržiūros pagerina pirmosios eigos pretenzijas. Ji atitinka HIPAA reikalavimus ir apima prieigą pagal vaidmenis (koduotojai ir CDI specialistai) bei visų AI pasiūlymų registravimą auditui.
7. QuickIntell QuickCode (integruotas su ESK AI koduotojas) (quickintell.com)
QuickIntell QuickCode yra debesies pagrindu veikiantis AI kodavimo variklis, orientuotas į ambulatorines praktikas. Pardavėjas teigia, kad jis pasiekia „>90% atšaukimo ir tikslumo“ išgaunant TLK-10 ir CPT iš ataskaitų (quickintell.com). Jis tvirtina, kad visiškai atitinka HIPAA ir SOC2, šifruoja PHI perdavimo/poilsio metu su audito žurnalais (quickintell.com). QuickCode jungiasi prie ESK (įskaitant Cerner, Athenahealth ir kt. per FHIR/HL7 (quickintell.com)) siekiant gauti apsilankymų užrašus ir grąžinti užkoduotas pretenzijas į atsiskaitymo eilę. Jis atlieka 8 žingsnių pretenzijų tikrinimą (tikrina kodavimo taisykles) prieš siunčiant duomenis į atsiskaitymo modulį, tariamai užkertant kelią daugeliui dažnų klaidų. QuickIntell reklamuoja, kad klientai mato daugiau nei 90% automatiškai apdorotų pretenzijų priėmimo rodiklį ir žymų laiko taupymą koduotojams. (Baltoji knyga teigia, kad klientai sumažino atmetimų skaičių maždaug 40% po įdiegimo.) Žmogaus koduotojai vis dar peržiūri AI pasiūlymus: UI rodo pasitikėjimo balus, todėl mažo pasitikėjimo kodai pažymimi. Nėra recenzuotų duomenų, tačiau QuickIntell pabrėžia savo stiprias saugumo kontrolės priemones ir lengvą integravimą į darbo procesus.
8. Clintegrity CDE One (Nuance/Microsoft)
Anksčiau Nuance CDI paketas (dabar Microsoft dalis), CDE One sutelkia dėmesį į klinicistams skirtą dokumentacijos tobulinimą su kodavimo palaikymu. Jis nuolat analizuoja diagramos tekstą (dažnai kartu su Nuance Dragon aplinkos balso į tekstą technologija), kad atskleistų praleistas diagnozes ar HCC būkles. Jis taip pat siūlo koduotojo įrankius DNR lygio kodavimui (per savo Clintegrity istoriją). Nors konkrečios metrikos nėra paskelbtos, CDE One teigia pagerinantis koduotojo produktyvumą ir atitiktį. Jis integruojasi su daugeliu ESK (Epic, Cerner) per HL7/SOAP API, o Microsoft pabrėžia debesies saugumo sertifikatus. Neseniai atliktas Nuance Dragon Ambient eXperience (DAX) kohortos tyrimas nustatė, kad aplinkos AI raštininkai sumažino gydytojų po darbo valandų užrašų rašymo laiką 22 minutėmis per dieną (pmc.ncbi.nlm.nih.gov), nurodydami tokių sistemų produktyvumo potencialą (nors pats DAX nėra pirmiausia koduotojas). Clintegrity požiūris labiau susijęs su klinicistų raginimu realiuoju laiku patikslinti dokumentaciją, o tai turėtų užkirsti kelią apeliacijoms. (Mes pastebime, kad tokie sprendimai kaip CDE dažnai neturi aiškių „nuopelnų rodiklio“ statistikų literatūroje, tačiau yra plačiai taikomi įmonėse.)
9. Combine Health „Amy“ AI koduotojas
Combine Health Amy platforma naudoja patentuotus AI modelius kodavimui automatizuoti. Pardavėjas apibūdina Amy kaip „pirmaujantį medicinos AI koduotoją“, kuris dirba kartu su kodavimo komandomis. Jis apdoroja visų tipų apsilankymus (stacionarinius/ambulatorinius) ir teigia nuolat besimokantis iš konkretaus gydytojo kodavimo modelių. Amy integruojasi per API, kad gautų EMR užrašus ir ESK mokesčius, tada pateikia patvirtintus kodus. Svetainėje pabrėžiama kiekvieno kodo pasirinkimo paaiškinimas, remiantis diagramos tekstu. Klientai praneša apie sumažintą pradinių atmetimų skaičių, nes Amy taiko dinaminius mokėtojų taisykles ir patikrinimus, pritaikytus kiekvienai praktikai. (Nėra cituojamų viešų bandymų duomenų, tačiau Combine Health turi atvejų analizės tinklaraščių, kuriuose Amy pasiekia labai aukštą tikslumą testuojamuosiuose duomenų rinkiniuose.) Svarbu, kad Amy darbo eiga išlaiko klinikinę priežiūrą: koduotojai mato AI pasiūlymus, gali atšaukti kodus, o sistema fiksuoja pataisas, kad patobulintų ateities pasiūlymus. Combine Health pažymi atitiktį HIPAA reikalavimams (BAA sutartys, šifravimas), tačiau išsamios saugumo specifikacijos nėra viešai detalizuotos.
10. Clinithink (CLiX semantinis intelektas)
Clinithink CLiX variklis naudoja kalbos apdorojimą, kad išgautų išvadas ir pasiūlytų kodus. Jis gali apdoroti užrašus, vaizdus ir struktūrizuotus duomenis, tada susieti sąvokas su ontologijomis (SNOMED, RxNorm) ir TLK/CPT kodais. Nors tai nėra griežtai „gyvas“ agentas, CLiX gali būti pritaikytas generuoti kodavimo pasiūlymus koduotojams, uždarius diagramą. Klientai naudoja CLiX, kad paketiniai koduotų įrašus arba kaip CDI užklausų įrankį (pvz., rasti atvejus, atitinkančius audito kriterijus). Platforma yra labai konfigūruojama, leidžianti apibrėžti vietines taisykles. Pavyzdžiui, viena sveikatos sistema naudojo CLiX, kad sumažintų kodavimo atsilikimą, automatiškai užpildydama iki 60% įrašų su dideliu pasitikėjimu (www.solventum.com) (reikalaujančias minimalių žmogaus redagavimų). Saugumo požiūriu, Clinithink veikia vietoje arba privačiame debesyje ir palaiko audito žurnalus. Jo lankstumas pasirinktinėms ontologijoms yra privalumas, nors paprastai reikia eksperto, kad nustatytų taisykles.
Palyginamieji rezultatai ir pasekmės
Kodavimo tikslumas: Tiek pardavėjų teiginiai, tiek nauji tyrimai rodo, kad dirbtinis intelektas gali atitikti arba viršyti žmogaus koduotojų našumą. Realaus pasaulio bandomieji duomenys rodo, kad LLM pagrindu veikiantys koduotojai gali atitikti sertifikuotų koduotojų tikslumą: Mount Sinai tyrimas nustatė, kad GPT-4, papildytas ankstesnių diagramų paieška, buvo pageidaujamas žmogaus peržiūrovų kodų tikslumu (447 vs. 277 atvejai)† (www.medrxiv.org). Net atvirojo kodo modeliai parodė didelį padidėjimą su RAG. Praktikoje pardavėjai praneša apie aukštus tikslumo rodiklius (dažnai 90–98%) (revstream.io) (medicodio.ai). Pavyzdžiui, IKS Health cituoja iki 95% tikslumą (www.businesswire.com), o MediCodio – 98% (medicodio.ai). Palyginimui, tradicinių rankinio kodavimo klaidų lygis skiriasi, tačiau auditai dažnai nustato ~10–15% neteisingo kodavimo sudėtingais atvejais. Didelius pardavėjų skaičius reikėtų vertinti atsargiai (pardavėjai testuoja kuruojamais duomenimis), tačiau jie atitinka tyrimus, kuriuose gerai sureguliuotas dirbtinis intelektas pasiekė labai panašius kodų rinkinius kaip ir koduotojai (www.medrxiv.org).
Atsisakymo rodikliai: Automatizuotas išankstinio sąskaitų redagavimas gali smarkiai sumažinti atmetimus. Daugelis paslaugų teikėjų apskaičiavo, kad 60–80% atmetimų atsiranda dėl kodavimo/dokumentacijos problemų (www.beckersasc.com). Ankstyvuoju šių problemų nustatymu, AI agentai praneša apie dramatiškus patobulinimus. Pavyzdžiui, MediCodio teigia, kad atmetimų skaičius sumažėjo 83% lyginant su istoriniais etalonais (medicodio.ai), o Thinkitive (nestandartinių RCM paslaugų teikėjas) reklamuoja 40% atmetimų sumažinimą per pirmąjį ketvirtį po įdiegimo (www.thinkitive.com). Panašiai, Arintra pažymi, kad jos mokėtojų taisyklių patikrinimai ir koduotojų peržiūros darbo eiga duoda „mažiau atmetimų“ ir greitesnį kompensavimą (www.arintra.com). Šiuos skaičius reikia vertinti kaip pavyzdžius, tačiau kokybinis aspektas išlieka: AI pagrindu veikiančio kodavimo integravimas su dokumentacijos spragų patikrinimais linkęs padidinti pirmosios eigos grąžą. Sveikatos priežiūros finansų pareigūnai dažnai cituoja atmetimo rodiklį <5% kaip idealų (www.beckersasc.com); AI įrankiai siekia padėti tai pasiekti, sprendžiant vieną iš pagrindinių priežasčių (kodavimo klaidas).
Klinikų ir koduotojų sutaupytas laikas: AI dokumentacijos/kodavimo pagalba sutaupo laiko. JAMA tyrimas apie aplinkos raštininkus parodė nedidelį, bet reikšmingą dokumentacijos laiko sumažėjimą (13–16 minučių mažiau per 8 valandų dieną, 10% sumažėjimas) (pmc.ncbi.nlm.nih.gov). Tai daugiausia atspindi greitesnį užrašų įvedimą (raštininkai rengia tekstą) ir mažiau papildymų. Kodavimo srityje efektyvumo padidėjimas cituojamas maždaug 3–5 kartus: MediCodio pranešė apie 81% greitesnį diagramų apdorojimo laiką (medicodio.ai). Arintra teigia, kad ji autonomiškai apdoroja 80–90% diagramų (www.arintra.com), o tai reiškia, kad koduotojai atidaro tik likusius 10–20%. Plačiu mastu tai reiškia didesnį koduotojų produktyvumą (ir mažiau reikalingų koduotojų etato vienetų). Vienas šaltinis įvertino, kad koduotojai gali apdoroti iki 48 diagramų per valandą su AI įrankiais (palyginti su ~10–15 per valandą rankiniu būdu). Svarbiausia, kad vartotojo sąsajos, rodančios tik neatitikimus ar mažo patikimumo elementus, leidžia kiekvienam koduotojui sutelkti dėmesį į tai, kas svarbu. Joks paskelbtas tyrimas dar neįvertino visos RCM sistemos laiko taupymo sistemos lygiu, tačiau Bloomberg ir Becker’s praneša apie didėjantį AI naudojimą siekiant padidinti koduotojų pralaidumą ir sumažinti atsilikimus.
ESK integravimas ir ontologijos aprėptis
Daugelis šiuolaikinių kodavimo/CDI agentų siekia vientisos ESK integracijos. Tokie sprendimai kaip IKS Health ir Solventum turi jungtis prie pagrindinių sistemų (Epic App Orchard arba Connection Hub, Cerner PowerChart ir kt.). Kiti (QuickIntell, MediCodio) jungiasi per FHIR/HL7 sąsajas prie bet kurios sertifikuotos ESK ar praktikos valdymo sistemos. Šios integracijos leidžia dirbtiniam intelektui automatiškai gauti klinikinius užrašus ir paciento kontekstą bei įrašyti kodus atgal į atsiskaitymo eilę. Vertindami agentus, patikrinkite, ar jūsų ESK palaikoma natūraliai, ar yra prieinami pasirinktiniai API.
Kalbant apie medicininę ontologiją, pirmaujantys agentai apima visą atsiskaitymo kodų spektrą (TLK-10-CM, TLK-10-PCS/OPCS, CPT/HCPCS, DRG ir kt.), taip pat NLP žodynus (SNOMED CT, LOINC laboratorijos sąvokoms, RxNorm vaistams). Pavyzdžiui, RevCodeMD aiškiai tvarko TLK ir CPT, o Clinithink CLiX gali susieti SNOMED diagnozes ir RxNorm vaistus su atsiskaitymo kodais. Išsamus agentas taip pat apima vietinius kodų rinkinius, mokėtojui būdingus mokesčių sąrašus ir net ligoninės mokesčių sąrašus. Mes nenustatėme agento, kuris vienu metu tvarkytų kiekvieną galimą sistemą, tačiau daugelis giriasi 90%+ dažnų specialybių poreikių aprėptimi. Būtinai paklauskite, ar reti ar vidiniai kodai (pvz., vietinio naudojimo kodai) gali būti importuojami ir kaip sistema atnaujinama keičiant kodus (TLK-11, CPT kasmetiniai atnaujinimai).
Žmogaus įsikišimas ir valdymas
Žmogaus priežiūra yra kritiškai svarbi. Visos pirmaujančios platformos naudoja HITL modelį: AI siūlo, žmonės peržiūri išimtis. Pavyzdžiui, IKS variklis atideda mažo patikimumo elementus; MediCodio AutoPilot režimas vis dar siūlo „perrašyti“ koduotojams; CDE One pateikia CDI užklausas, į kurias atsako slaugytojai ar gydytojai. Tai reiškia, kad atsakomybė tenka sertifikuotiems koduotojams/gydytojams, o ne dirbtiniam intelektui. Svarbu, kad visi pasiūlymai būtų atsekami iki diagramos įrodymų. Tokie sprendimai kaip Solventum saugo audito žurnalus, susiejančius kiekvieną užkoduotą sąvoką su užrašų tekstu, kuris ją suaktyvino (www.solventum.com). Gera praktika yra kas savaitę matuoti AI pasiūlymus, lyginant juos su atsitiktiniais žmogaus auditais, nes priežiūros pobūdis keičiasi (kaip pažymėta NPJ Digital Medicine tyrime: „vien tik modelio tikslumo nepakanka“ – svarbu darbo eiga ir pritaikymas (www.nature.com)).
Valdymas ir atitiktis: Visi įrankiai siekia atitikti HIPAA reikalavimus; dauguma yra SaaS platformos, kurios pasirašo Verslo asociacijos sutartis (VASI) ir naudoja šifravimą. QuickIntell QuickCode aiškiai cituoja TLS/AES šifravimą ir SOC2 kontrolės priemones (quickintell.com). HIPAA Saugumo taisyklė įpareigoja administracines ir technines apsaugos priemones elektroninei saugomai sveikatos informacijai (šifravimas, prieigos žurnalai, pažeidimų valdymas (www.hhs.gov)). Patariame įsitikinti, kad jūsų pardavėjas yra atlikęs trečiųjų šalių saugumo auditus (SOC 2, HITRUST) ir kad bet kokios PHI saugojimo politikos atitinka jūsų institucijos gaires. Įrankiai, kurie veikia vietoje arba privačiame debesyje (arba naudoja kraštinį skaičiavimą ligoninėje), sumažina PHI poveikį.
Saugumas (jokios medicininės konsultacijos): Šie agentai turėtų vengti teikti klinikinių rekomendacijų (diagnozių ar terapijos). Jie egzistuoja kodavimui ir dokumentavimui. Pavyzdžiui, kai kuriuose aplinkos AI produktuose yra instrukcijos, pavyzdžiui, „netekti naujų klinikinių patarimų“. Apsaugos priemonės apima raginimo inžineriją, kuri apriboja modelį: pvz., „Siūlykite tik atsiskaitymo kodus; neinterpretuokite klinikinės intencijos.“ AI neturėtų haliucinuoti diagnozių, kurių nėra tekste. Idealiu atveju agentas naudoja kuruojamą medicinos žinių bazę, o ne laisvo teksto generavimą. Išvesčių tikrinimas pagal žinomas ontologijas (UMLS, RxClass ir kt.) padeda aptikti klaidingas išvadas. Rekomenduojame paklausti pardavėjų apie FDA/medicinos prietaisų atitiktį, jei jų produktas pradeda kėsintis į klinikinę sprendimų paramą, nes ši sritis vis dar vystosi.
Rinkos spragos ir ateities galimybės
Nors dabartiniai AI kodavimo agentai yra galingi, spragų vis dar yra. Daugelis jų daugiausia dėmesio skiria diagramų užrašams ir siūlo ribotą multimedijos ar specializuotų duomenų (pvz., vaizdų, genetinių tyrimų, genomikos) palaikymą. Joks sprendimas dar negali visiškai susieti medicininių vaizdų išvadų su kodavimu (radiologijos AI yra embrioninė). Daugiakalbystės palaikymas yra dar vienas trūkumas: ne angliškų klinicistų užrašai gali būti netvarkomi, nebent būtų specialiai apmokyti (svarbu pasaulinėms sveikatos sistemoms). Be to, nors CMS ir TLK kodai yra gerai padengti, naujesnėms sritims, tokioms kaip vertybe pagrįsti kokybės rodikliai (SNOMED arba LOINC rezultatams), skiriama mažiau dėmesio.
Kita spraga – naudotojų skaidrumas: klinicistai ir koduotojai dažnai AI pasiūlymus mato kaip juodąją dėžę. Geresnė sistema pateiktų paaiškinamus AI rezultatus, pvz., „Siūlomas kodas J96.21 (Ūminis kvėpavimo nepakankamumas), nes užrašas sako „ūminis kvėpavimo nepakankamumas, valdomas ventiliatoriumi“ (žr. X skyrių)“. Toks atsekamumas didina pasitikėjimą. Be to, nedaug įrankių dinamiškai mokosi iš konkretaus paslaugų teikėjo modelių realiuoju laiku (daugumai reikia pakartotinio mokymo su grįžtamuoju ryšiu). Kitas kartos agentas galėtų nuolat prisitaikyti prie ligoninės specifinio mokėtojų derinio ir dokumentacijos stiliaus.
Pagaliau trūksta universalių integracijos sistemų. Kiekvienas pardavėjas diegia nuosavas jungtis. Viena ESK atvira sąsaja (galbūt HL7 FHIR atsiskaitymo standartas) leistų daugiau įrankių prisijungti vienodai.
Praktiniai patarimai verslininkams: Idealus kodavimo/CDI asistentas būtų „meta-agentas“, kuris sujungia geriausius esamus įrankius. Jis lengvai integruotųsi su bet kuria ESK (atvira FHIR pagrindu veikianti architektūra), palaikytų visas pagrindines kodavimo ontologijas (TLK, CPT, SNOMED, LOINC, RxNorm) ir apimtų natūralios kalbos sąsają klinicistams, kad galėtų užklausti dokumentacijos kokybę. Jis turėtų pateikti audito reikalavimus atitinkančius kiekvieno kodo pagrindimus. Darbo srauto pusėje jis galėtų suvienyti CDI, kodavimą ir atmetimo valdymą: pvz., jei AI aptiktų dokumentacijos spragą užraše, jis galėtų atidaryti užklausą gydytojui prieš pateikiant pretenziją. Prevencijos srityje agentas galėtų imituoti draudikų pakeitimus, kad pažymėtų didelės rizikos pretenzijas.
Apskritai, šie AI agentai sparčiai tobulėja. Verslininkai turėtų stebėti funkcijų spragas – ypač susijusias su paaiškinamumu, specialybės palaikymu ir sąveikumu – ir apsvarstyti galimybę kurti platformą, kuri užpildytų šiuos poreikius. Universalus AI kodavimo asistentas, kuris sujungia ESK, kodavimą, analizę ir pretenzijų vertinimą (su visiška atitiktimi ir saugumu) būtų vertingas papildymas rinkoje.
Išvada
Dirbtiniu intelektu pagrįsti kodavimo ir dokumentacijos agentai transformuoja pajamų ciklo darbo procesus. Šiandienos sprendimai – nuo į Epic integruotų automatinių koduotojų iki aplinkos dirbtinio intelekto raštininkų – gali pasiekti beveik žmogaus tikslumą TLK/CPT kodavime (www.medrxiv.org), žymiai sumažinti atmetimo rodiklius (medicodio.ai) ir sutrumpinti klinicistų dokumentacijos laiką (pmc.ncbi.nlm.nih.gov). Jie tai daro sujungdami natūralios kalbos supratimą apie klinikinius užrašus su taisyklėmis pagrįsta logika ir žmogaus priežiūra. Pagrindiniai sėkmės veiksniai apima glaudų ESK integravimą, išsamių medicinos ontologijų palaikymą ir tvirtas PHI apsaugos priemones.
Tačiau nė vienas produktas nėra tobulas: klinicistai lieka centre, peržiūrėdami AI raginimus dėl niuansų ir atitikties. Organizacijos turėtų diegti šiuos įrankius su aiškiu valdymu (audito žurnalai, nuolatinė kokybės kontrolė) ir apmokyti personalą tinkamai jais naudotis. Dirbtiniam intelektui tobulėjant, galime tikėtis dar geresnio našumo (kai kurios laboratorijos dabar mato, kad LLM kodų tikslumas atitinka arba viršija profesionalų tikslumą (www.medrxiv.org)). Naujovėms atsiveria galimybė: kurti skaidresnius, lankstesnius agentus, kurie apimtų daugiau naudojimo atvejų ir tikrai derėtų su priežiūros teikimu. Ateities kodavimo asistentas gali ne tik užbaigti užrašus ar pasiūlyti kodus, bet ir aktyviai instruktuoti klinicistus apie atitinkamą dokumentaciją – tikras „akis diagramoje“, leidžianti klinicistams sutelkti dėmesį į pacientus, o ne į popierizmą.
