AutoPodAutoPod

10 labākie veselÄ«bas aprÅ«pes kodēŔanas un klÄ«niskās dokumentācijas aÄ£enti

•18 min lasīŔanai
10 labākie veselÄ«bas aprÅ«pes kodēŔanas un klÄ«niskās dokumentācijas aÄ£enti

Ievads

VeselÄ«bas aprÅ«pes sniedzēji saskaras ar sarežģītu kodēŔanas un dokumentācijas nastu. Katra pacienta saskarsme ir jāpārtulko precÄ«zos diagnožu un procedÅ«ru kodos (SSK un CPT), lai atbalstÄ«tu aprÅ«pi, rēķinus un ziņojumus. Praksē tas ir kļūdains un laikietilpÄ«gs: pētÄ«jumos norādÄ«ts, ka ā€œSSK-10-CM kodēŔana joprojām ir liels operatÄ«vs slogs slimnÄ«cāsā€ (www.nature.com), un dokumentācijas kļūdas tiek minētas kā galvenais iemesls prasÄ«bu noraidīŔanai (www.beckersasc.com). KlÄ«niskās dokumentācijas uzlaboÅ”anas (CDI) programmu mērÄ·is ir precizēt piezÄ«mes un kodus, taču manuālas darbplÅ«smas var palēnināt klÄ«nicistus un kodētājus. Pēdējā laikā ir parādÄ«juÅ”ies AI darbināti kodēŔanas un CDI aÄ£enti, lai palÄ«dzētu ar kodu ieteikumiem, kļūdu pārbaudi un noraidÄ«jumu novērÅ”anu. Integrējoties ar Elektroniskajām veselÄ«bas aprÅ«pes sistēmām (EHR) un aptverot plaÅ”as medicÄ«niskās ontoloÄ£ijas, Å”ie rÄ«ki sola uzlabot kodēŔanas precizitāti, samazināt prasÄ«bu noraidÄ«jumus un ietaupÄ«t klÄ«nicistu laiku, vienlaikus saglabājot atbilstÄ«bu privātuma likumiem (HIPAA) un droŔības standartiem. Å ajā rakstā tiek apskatÄ«ti desmit vadoÅ”ie AI darbinātie kodēŔanas/CDI aÄ£enti, salÄ«dzinot to integrāciju, veiktspējas rādÄ«tājus un droŔības pasākumus, pēc tam izceltas nepilnÄ«bas un ceļŔ uz priekÅ”u uzņēmējiem.

KodēŔanas un dokumentācijas aÄ£entu novērtēŔanas kritēriji

Lai salīdzinātu risinājumus, mēs ņemam vērā:

  • CDI ieteikumi un vadlÄ«nijas: Vai aÄ£ents aicina klÄ«nicistus vai kodētājus ar dokumentācijas uzlaboÅ”anas vaicājumiem (piemēram, trÅ«kstoŔās detaļas precizitātei)? Vai tā ieteikumi ir integrēti klÄ«niskajā darbplÅ«smā (piemēram, piezÄ«mju ievadīŔanas laikā)?
  • KodēŔanas automatizācija (SSK, CPT, HCC u.c.): Kā aÄ£ents iegÅ«st informāciju un pieŔķir kodus? Vai tas atbalsta diagnozes (SSK-10), procedÅ«ras (CPT/HCPCS), riska korekcijas (HCC), modifikatoru un atbilstÄ«bas kodu kopas? Kāds ir piedāvātais medicÄ«niskās ontoloÄ£ijas pārklājuma lÄ«menis (SNOMED-CT, RxNorm, LOINC u.c.), un cik aktuālas ir tās kodu bibliotēkas?
  • NoraidÄ«jumu novērÅ”ana: Funkcijas, piemēram, maksātāja noteikumu validācija, pirmsrēķina labojumi un prognozējoŔā analÄ«ze, lai atklātu biežus noraidÄ«jumu iemeslus (trÅ«kstoÅ”i modifikatori, medicÄ«niskās nepiecieÅ”amÄ«bas trÅ«kums u.c.) pirms prasÄ«bas iesniegÅ”anas. EfektÄ«vam aÄ£entam jāietver pārtraukÅ”anas pārbaudes noteikumiem un regulējoÅ”iem labojumiem (piemēram, NCD/LCD kritērijiem).
  • EHR un darbplÅ«smas integrācija: SaderÄ«ba ar galvenajām EHR sistēmām (Epic, Cerner/Oracle, Allscripts, Athenahealth u.c.) via HL7/FHIR vai API integrācija. AÄ£enti ir visnoderÄ«gākie, ja tie darbojas ā€œkartÄ“ā€ vai kā sānjoslas poga: piemēram, IKS Health AI kodēŔanas dzinējs tagad ir pieejams, izmantojot Epic Connection Hub (www.businesswire.com). Mēs salÄ«dzinām, vai katram risinājumam ir sertificēti savienojumi vai uz FHIR balstÄ«ti moduļi.
  • Cilvēks-cilpā (HITL) pārskats: LÄ«dzsvarota automatizācija pret uzraudzÄ«bu. VadoÅ”ie risinājumi parasti automātiski kodē augstas pārliecÄ«bas elementus, bet novirza neskaidrus gadÄ«jumus cilvēka kodētājiem vai CDI speciālistiem. Piemēram, IKS Health dzinējs novērtē katru kodu un novirza zemas pārliecÄ«bas vienumus ekspertiem (www.businesswire.com). Mēs atzÄ«mējam, vai sistēma nodroÅ”ina audita takas, kodētāju ignorēŔanu un nepārtrauktu mācīŔanos no lietotāju atsauksmēm.
  • Veiktspējas rādÄ«tāji: Kā Å”ie aÄ£enti darbojas praksē? Galvenie rādÄ«tāji ietver kodēŔanas precizitāti (pareizo kodu procentuālo daudzumu), pirmās caurlaides prasÄ«bu pieņemÅ”anu vai noraidīŔanas lÄ«meni un ietaupÄ«to laiku. Piemēram, reālā pētÄ«jumā divās iestādēs uz LLM balstÄ«ts kodētājs ā€œievērojami samazināja kodēŔanas laiku, saglabājot precizitātiā€ (www.nature.com). Cits izmēģinājums atklāja, ka izguves paplaÅ”ināti LLM pārspēja cilvēka kodētājus neatliekamās palÄ«dzÄ«bas nodaļas SSK-10-CM kodēŔanas precizitātē (www.medrxiv.org). Mēs salÄ«dzinām piegādātāju prasÄ«bas (piemēram, 90–98% precizitāti, X% mazāk noraidÄ«jumu) ar publicētajiem datiem.
  • KlÄ«nicistu laika ietaupÄ«jums: Daži rÄ«ki darbojas kā videi pielāgoti AI stenogrāfi vai piezÄ«mju asistenti, kas var samazināt dokumentācijas laiku. Vairāku vietņu JAMA pētÄ«jumā atklāts, ka AI stenogrāfa izmantoÅ”ana ietaupÄ«ja klÄ«nicistiem aptuveni 13–16 minÅ«tes uz 8 stundu klÄ«nikas dienu dokumentācijas laika (aptuveni 3–10% samazinājums) (pmc.ncbi.nlm.nih.gov). Mēs atzÄ«mējam, kuri aÄ£enti paplaÅ”ina palÄ«dzÄ«bu piezÄ«mju Ä£enerēŔanā, salÄ«dzinot ar post-hoc kodēŔanu.
  • AtbilstÄ«ba un droŔība: Visiem aÄ£entiem jābÅ«t HIPAA-atbilstoÅ”iem un droÅ”i jāapstrādā aizsargāta veselÄ«bas informācija (PHI) (Å”ifrēŔana tranzÄ«tā/miermÄ«gā stāvoklÄ«, piekļuves kontroles, audita žurnāli, biznesa partneru lÄ«gumi u.c.). Piemēram, QuickIntell QuickCode risinājums lepojas ar HIPAA un SOC2 atbilstÄ«bu ar pilnÄ«gu Å”ifrēŔanu un audita žurnāliem (quickintell.com). Mēs atzÄ«mējam, vai risinājumi izmanto lokālu vai privātu mākoņa izvietoÅ”anu, datu uzturēŔanās vietas iespējas un kā tie skaidri filtrē vai atsakās sniegt medicÄ«nisko padomu (izvairoties no ā€œhalucinācijāmā€). Ideāls aÄ£ents savu lomu ierobežo ar kodu ieteikumiem un dokumentācijas vaicājumiem un nodroÅ”ina pierādÄ«jumu saites (kartes teksts), kas pamato katru kodu.

VadoÅ”ie AI kodēŔanas un CDI aÄ£enti

Zemāk ir desmit ievērojami risinājumi (bez Ä«paÅ”as secÄ«bas). Katrā ierakstā ir aprakstÄ«tas galvenās funkcijas, integrācijas piezÄ«mes un jebkādas publicētās veiktspējas prasÄ«bas.

1. IKS Health Autonomais kodēŔanas dzinējs (ICAP) (www.businesswire.com)

IKS Health (ārpakalpojumu/RCA nodroÅ”inātājs) piedāvā AI darbinātu kodēŔanas dzinēju, kas tagad ir integrēts ar Epic. Tā biznesa preses relÄ«ze lepojas ar lÄ«dz pat 95% kodēŔanas precizitāti un samazinātiem noraidÄ«jumiem (www.businesswire.com). Sistēma pieņem kartes dokumentus no jebkura avota, izmanto NLP un uz noteikumiem balstÄ«tu loÄ£iku, lai ieteiktu SSK-10, CPT un E/M kodus ar pārliecÄ«bas rādÄ«tājiem (www.businesswire.com), un ā€œcilvēka kodētāji pārskata zemas pārliecÄ«bas kodusā€ (www.businesswire.com). Dzinējs pēc tam piemēro maksātājam specifiskus noteikumus un ā€œpirmsrēķina pārskatīŔanas slāniā€, lai validētu atbilstÄ«bu. IKS ziņo, ka vidējais prasÄ«bu noraidÄ«jumu lÄ«menis ASV ir ~12%; tā AI darbplÅ«sma (ar cilvēka pārbaudēm) cenÅ”as pārspēt Å”o etalonu (www.businesswire.com). Tā kā tas ir Epic sertificēts, klÄ«niskās komandas var piekļūt kodēŔanas ieteikumiem tieÅ”i Epic kartē, sasaistot kodu loÄ£iku ar kartes pierādÄ«jumiem. (NeatkarÄ«gu izmēģinājumu dati nav publiski, taču uzņēmums to pozicionē kā ā€œauditēŔanai gatavuā€ risinājumu, kas apvieno AI kodēŔanu ar tradicionālo pārskatīŔanu.)

2. MediCodio (CODIO AI) (medicodio.ai)

MediCodio piedāvā hibrÄ«du cilvēka+AI platformu. Tās CODIO AI dzinējs apgalvo ā€œ98% kodēŔanas precizitāti vairāk nekā 50 specialitātēsā€ un, kas ir Ä«paÅ”i, 83% prasÄ«bu noraidÄ«jumu samazinājumu salÄ«dzinājumā ar nozares vidējo rādÄ«tāju (medicodio.ai). Tas apstrādā kartes par 81% ātrāk nekā manuāla kodēŔana (vidēji ~1,5 minÅ«tes uz karti salÄ«dzinājumā ar ~8 minÅ«tēm) (medicodio.ai). Kā? MediCodio atbalsta divus režīmus: CoPilot režīmu, kurā sertificēti kodētāji pārskata AI ieteikumus, un AutoPilot režīmu pilnÄ«bā automatizētai kodēŔanai (pēc tam auditētai) (medicodio.ai). Sistēma ir ISO 27001 sertificēta, HIPAA-atbilstoÅ”a un integrējas ar galvenajām EHR, izmantojot Veradigm un citus (medicodio.ai). Tā lepojas ar pilnu kodu atbalstu (SSK-9/10, CPT, HCPCS, DRG u.c.) un apgalvo, ka samazina noraidÄ«jumus, atklājot trÅ«kstoÅ”us modifikatorus vai nepietiekamu dokumentāciju. Platforma arÄ« indeksē kodu pamatojumus, lai nodroÅ”inātu ātru auditu.

3. Cavo Health CDI un kodēŔanas asistents (cavohealth.com)

Cavo Health tirgo AI platformu, kas balstÄ«ta uz ā€œPrecÄ«zu vārdu saskaņoÅ”anuā€, nevis tÄ«ru maŔīnmācÄ«bu. Tā ir paredzēta gan CDI, gan kodēŔanai: iesaka uzlabotu dokumentāciju HCC riska uztverÅ”anai un Ä£enerē precÄ«zus SSK-10 kodus lidojumā (cavohealth.com). Cavo apgalvo gatavÄ«bas kodēŔanas precizitāti, kas ā€œievērojami pārsniedz 70–80%ā€, kas raksturÄ«ga tikai ML sistēmām (cavohealth.com), Ä«paÅ”i sarežģītām diagnozēm un slimnÄ«cu HCC kodēŔanai. RÄ«ks ir paredzēts lietoÅ”anai aprÅ«pes punktā (ieteikumi parādās piezÄ«mju ievadīŔanas laikā), lai uzlabotu ārstu iesaisti. Tas izceļ retus vai kombinētus kodus, ko tÄ«ri LM pieejas bieži vien garām. (NeatkarÄ«ga validācija nav publicēta, taču tiek citēti pirmie lietotāji specializētajās klÄ«nikās.) Cavo saskarne uzsver minimālu klikŔķu skaitu: tā darbojas EHR, piedāvā specifiskus kodējamus terminus, kamēr piezÄ«me tiek diktēta, un, ja nepiecieÅ”ams, uzdod precizējoÅ”us jautājumus. Sistēma ir pēc dizaina HIPAA-atbilstoÅ”a, Å”ifrē datus un ļauj lokāli izvietot, lai PHI saglabātos iestādes kontrolē.

4. RevCodeMD (RevStream) (revstream.io)

RevStream RevCodeMD ir mākoņa AI automātiskās kodēŔanas risinājums, kas paredzēts ārstu praksēm un slimnÄ«cām. Vietne izceļ ā€œAI darbinātu automātisko kodēŔanu — 98% precizitāte, auditēŔanai gatavaā€ (revstream.io). Tā ievada brÄ«va teksta piezÄ«mes (apmeklējumus, anamnēzes, procedÅ«ru ziņojumus) un dažu sekunžu laikā izvada CPT un SSK kodus (revstream.io). RevCodeMD Ä«paÅ”i atzÄ«mē, ka tā sistēma ā€œapzinās maksātājuā€ – tā piemēro prasÄ«bu tÄ«rīŔanu un labojumus, lai atklātu trÅ«kstoÅ”o informāciju (novērÅ”ot noteiktus noraidÄ«jumus). Tā ietver uz lomām balstÄ«tas piekļuves kontroles un audita žurnālus, lai atbilstu HIPAA prasÄ«bām. RevStream norāda integrāciju, izmantojot standarta saskarnes, lai gan specifiski EHR savienotāji vietnē nav detalizēti aprakstÄ«ti. (Viens avots norāda uz Veradigm/FHIR atbalstu, kas lÄ«dzÄ«gs citiem RCM rÄ«kiem.) Praksē RevCodeMD pozicionē sevi kā ā€œautomātisko kodētājuā€ klÄ«nicistiem, ar lietotāja paneli kodētājiem, lai pārskatÄ«tu jebkādas atzÄ«mes. Tāpat kā ar lÄ«dzÄ«giem produktiem, cilvēka kodētāji apstiprina galÄ«gos kodus. Nav minēti salÄ«dzinoÅ”i precizitātes pētÄ«jumi, taču 98% skaitlis saskan ar piegādātāju ziņotajiem etaloniem.

5. Arintra Autonomā kodēŔanas platforma (www.arintra.com) (www.arintra.com)

Arintra nodroÅ”ina AI kodēŔanas platformu, ko izmanto veselÄ«bas sistēmas un piegādātāji. Saskaņā ar to dokumentāciju, ā€œArintra autonomi apstrādā katru pacienta kartiā€, iegÅ«stot norēķinu maksas un precÄ«zus kodus (E/M, SSK-10, HCC, HCPCS, modifikatorus) (www.arintra.com). Galvenā iezÄ«me ir specializācija pa nodaļām: Arintra var iekļaut maksātājam/specialitātei specifiskus noteikumu kopumus, lai validētu kodu kombinācijas. Uzņēmums apgalvo, ka Arintra var automātiski apstrādāt lÄ«dz pat 80–90% karÅ”u, krasi samazinot izpildes laiku (www.arintra.com). Apstrādājot liela apjoma rutÄ«nas gadÄ«jumus, tas ļauj kodētājiem koncentrēties uz sarežģītiem gadÄ«jumiem. Savos materiālos Arintra min mazāk turpmāko noraidÄ«jumu un ātrākas prasÄ«bas, pateicoties pirmsrēķina validācijai. Integrācija notiek, izmantojot HL7/FHIR, lai iegÅ«tu pacienta apmeklējumus un atgrieztu kodētās maksas rēķiniem. Platforma piedāvā paneļus par kodēŔanas precizitāti un noraidÄ«jumu tendencēm (palÄ«dzot administratoriem sekot veiktspējai). Arintra reklamē SOC 2 un HIPAA atbilstÄ«bu (ar datu Å”ifrēŔanu un audita takām) savā izstrādātāju portālā.

6. Solventum 360 Encompass (iepriekÅ” 3M 360 CAC/CDI) (www.solventum.com)

Solventum 360 Encompass ir visaptveroÅ”s CAC/CDI komplekts, kas apvieno NLP un AI. Tas integrē kodēŔanu ar CDI procesiem: pabeidzot dokumentāciju, tas nodroÅ”ina ā€œkodēŔanas izcilÄ«bu un optimālus automātiskos ieteikumusā€ un atzÄ«mē dokumentācijas nepilnÄ«bas (www.solventum.com). Praksē 360 Encompass lasa kartes un automātiski pabeidz rutÄ«nas kodu kopas: E/M lÄ«meņus, SSK, CPT, ieņēmumu kodus utt., pēc tam ļauj kodētājiem pārskatÄ«t atzÄ«mētos ierakstus. Sistēma atŔķir rutÄ«nas gadÄ«jumus no sarežģītiem; tā automātiski novirza ā€œrutÄ«nasā€ prasÄ«bas uz norēķiniem, vienlaikus novirzot sarežģītus gadÄ«jumus kodētājiem ar kontekstu (www.solventum.com). Platforma atbalsta pielāgotus labojumus un auditus, lai saglabātu atbilstÄ«bu. Tā kā 360 Encompass attÄ«stÄ«jās no 3M CAC, tā izmanto gadu desmitiem ilgu kodēŔanas loÄ£iku un CMS atbilstÄ«bas labojumus. Epic reÄ£istrētais risinājums (Epic Connection Hub) ir pieejams veselÄ«bas sistēmām ar Epic EHR. Nav publicēti tieÅ”as precizitātes statistikas dati, taču Solventum uzsver, ka automatizētā rutÄ«nas kodēŔana samazina cilvēka darba slodzi un apvienotie CDI pārskati uzlabo pirmās caurlaides prasÄ«bas. Tas ir HIPAA-atbilstoÅ”s un ietver uz lomām balstÄ«tu piekļuvi (kodētāji pret CDI speciālistiem) un visu AI ieteikumu reÄ£istrēŔanu auditiem.

7. QuickIntell QuickCode (EHR-integrēts AI kodētājs) (quickintell.com)

QuickIntell QuickCode ir mākoņdatoÅ”anas AI kodēŔanas dzinējs, kas koncentrējas uz ambulatorajām praksēm. Piegādātājs norāda, ka tas sasniedz ā€œ>90% atcerēŔanās un precizitātiā€ SSK-10 un CPT iegūŔanā no ziņojumiem (quickintell.com). Tas apgalvo pilnÄ«gu HIPAA un SOC2 atbilstÄ«bu, Å”ifrējot PHI tranzÄ«tā/miermÄ«gā stāvoklÄ« ar audita žurnāliem (quickintell.com). QuickCode savienojas ar EHR (ieskaitot Cerner, Athenahealth utt. via FHIR/HL7 (quickintell.com)) lai iegÅ«tu apmeklējumu piezÄ«mes un nosÅ«tÄ«tu kodētās prasÄ«bas atpakaļ norēķinu rindai. Tas veic 8 soļu prasÄ«bu tÄ«rīŔanu (pārbaudot kodēŔanas noteikumus) pirms datu nosÅ«tīŔanas norēķinu modulim, it kā novērÅ”ot daudzas biežas kļūdas. QuickIntell reklamē, ka klienti redz pirmās caurlaides prasÄ«bu pieņemÅ”anas rādÄ«tājus virs 90% automatizētajās kartēs un ievērojamus laika ietaupÄ«jumus kodētājiem. (Baltā grāmata apgalvo, ka klienti samazināja noraidÄ«jumus par aptuveni 40% pēc ievieÅ”anas.) Cilvēka kodētāji joprojām pārskata AI ieteikumus: UI parāda pārliecÄ«bas rādÄ«tājus, lai zemas pārliecÄ«bas kodi tiktu atzÄ«mēti. Nav pieejami recenzēti dati, taču QuickIntell izceļ savas spēcÄ«gās droŔības kontroles un vieglu integrāciju darbplÅ«smās.

8. Clintegrity CDE One (Nuance/Microsoft)

Agrāk Nuance CDI komplekts (tagad daļa no Microsoft), CDE One koncentrējas uz klÄ«nicistiem paredzētu dokumentācijas uzlaboÅ”anu ar kodēŔanas atbalstu. Tas nepārtraukti analizē kartes tekstu (bieži kopā ar Nuance Dragon videi pielāgoto runas-teksta pārveidotāju), lai atklātu nokavētas diagnozes vai HCC apstākļus. Tas piedāvā arÄ« kodētāju rÄ«kus DNS lÄ«meņa kodēŔanai (izmantojot tā Clintegrity vēsturi). Lai gan specifiski rādÄ«tāji nav publicēti, CDE One apgalvo, ka uzlabo kodētāju produktivitāti un atbilstÄ«bu. Tas integrējas ar daudzām EHR (Epic, Cerner), izmantojot HL7/SOAP API, un Microsoft uzsver mākoņa droŔības sertifikātus. Nesenais Nuance Dragon Ambient eXperience (DAX) kohortas pētÄ«jums atklāja, ka videi pielāgoti AI stenogrāfi samazināja ārstu pēcdarba stundu piezÄ«mju darbu par 22 minÅ«tēm dienā (pmc.ncbi.nlm.nih.gov), norādot Ŕādu sistēmu produktivitātes potenciālu (lai gan DAX pats par sevi nav primāri kodētājs). Clintegrity pieeja vairāk attiecas uz klÄ«nicistu mudināŔanu reāllaikā precizēt dokumentāciju, kam vajadzētu novērst apelācijas. (Mēs atzÄ«mējam, ka tādiem risinājumiem kā CDE bieži trÅ«kst skaidru ā€œkvalitātes rādÄ«tājuā€ statistikas literatÅ«rā, taču tie ir plaÅ”i pieņemti uzņēmumos.)

9. Combine Health ā€œAmyā€ AI kodētājs

Combine Health Amy platforma izmanto patentētus AI modeļus, lai automatizētu kodēŔanu. Piegādātājs apraksta Amy kā ā€œvadoÅ”o AI medicÄ«nas kodētājuā€, kas darbojas kopā ar kodēŔanas komandām. Tā apstrādā visu veidu apmeklējumus (stacionāra/ambulatora) un apgalvo, ka nepārtraukti mācās no jebkādiem ārstam specifiskiem kodēŔanas modeļiem. Amy integrējas, izmantojot API, lai iegÅ«tu EMR piezÄ«mes un EHR maksas, pēc tam nosÅ«ta validētus kodus. Vietne uzsver katras kodu izvēles skaidroÅ”anu, atsaucoties uz kartes tekstu. Klienti ziņo par samazinātu bāzes noraidÄ«jumu skaitu, jo Amy piemēro dinamiskus maksātāja noteikumus un attÄ«rīŔanu, kas pielāgota katrai praksei. (Nav minēti publiski izmēģinājumu dati, taču Combine Health ir gadÄ«jumu pētÄ«jumu emuāri, kur Amy sasniedz ļoti augstu precizitāti testa datu kopās.) SvarÄ«gi ir tas, ka Amy darbplÅ«sma saglabā klÄ«nisko uzraudzÄ«bu: kodētāji redz AI ieteikumus, var ignorēt kodus, un sistēma fiksē labojumus, lai uzlabotu nākotnes ieteikumus. Combine Health norāda uz HIPAA atbilstÄ«bu (BAA lÄ«gumi, Å”ifrēŔana), taču pilnas droŔības specifikācijas nav publiski detalizētas.

10. Clinithink (CLiX Semantic Intelligence)

Clinithink CLiX dzinējs izmanto valodu apstrādi, lai iegÅ«tu atklājumus un piedāvātu kodus. Tas var ievadÄ«t piezÄ«mes, attēlus un strukturētus datus, pēc tam kartēt jēdzienus ar ontoloÄ£ijām (SNOMED, RxNorm) un SSK/CPT kodiem. Lai gan CLiX nav stingri ā€œtieÅ”raidesā€ aÄ£ents, to var pielāgot, lai Ä£enerētu kodēŔanas ieteikumus kodētājiem pēc kartes aizvērÅ”anas. Klienti izmanto CLiX, lai grupveidā kodētu ierakstus vai kā CDI vaicājumu rÄ«ku (piemēram, atrodot gadÄ«jumus, kas atbilst audita kritērijiem). Platforma ir ļoti konfigurējama, ļaujot definēt vietējos noteikumus. Piemēram, viena veselÄ«bas sistēma izmantoja CLiX, lai samazinātu kodēŔanas aizkavēŔanos, automātiski aizpildot lÄ«dz 60% ierakstu ar augstu pārliecÄ«bu (www.solventum.com) (nepiecieÅ”ami minimāli cilvēka labojumi). DroŔības ziņā Clinithink darbojas lokāli vai privātā mākonÄ« un atbalsta audita žurnālus. Tā elastÄ«gums pielāgotām ontoloÄ£ijām ir pluss, lai gan tam parasti ir nepiecieÅ”ams eksperts, lai iestatÄ«tu noteikumus.

SalÄ«dzinoŔā veiktspēja un rezultāti

KodēŔanas precizitāte: Gan piegādātāju apgalvojumi, gan jaunie pētÄ«jumi liecina, ka AI var sasniegt vai pārsniegt cilvēka kodētāja veiktspēju. Reālās pasaules pilotprojektu dati liecina, ka uz LLM balstÄ«ti kodētāji var atbilst sertificēta kodētāja precizitātei: Mount Sinai pētÄ«jumā atklāts, ka GPT-4, kas papildināts ar pagātnes karÅ”u izgūŔanu, cilvēka recenzenti dod priekÅ”roku koda precizitātē (447 pret 277 gadÄ«jumiem)† (www.medrxiv.org). Pat atvērtā koda modeļi uzrādÄ«ja lielus ieguvumus ar RAG. Praksē piegādātāji ziņo par augstiem precizitātes rādÄ«tājiem (bieži 90–98%) (revstream.io) (medicodio.ai). Piemēram, IKS Health min lÄ«dz 95% precizitāti (www.businesswire.com), un MediCodio 98% (medicodio.ai). SalÄ«dzinājumam, tradicionālās manuālās kodēŔanas kļūdu lÄ«menis atŔķiras, taču auditi bieži atklāj ~10–15% nepareizas kodēŔanas sarežģītos gadÄ«jumos. Augstie piegādātāju skaitļi jāvērtē piesardzÄ«gi (piegādātāji testē uz apkopotiem datiem), taču tie saskan ar izmēģinājumiem, kur labi pielāgota AI sasniedza ļoti lÄ«dzÄ«gas kodu kopas kā kodētāji (www.medrxiv.org).

NoraidÄ«jumu lÄ«menis: Automatizēta pirmsrēķina rediģēŔana var krasi samazināt noraidÄ«jumus. Daudzi pakalpojumu sniedzēji lēŔ, ka 60–80% noraidÄ«jumu rodas no kodēŔanas/dokumentācijas problēmām (www.beckersasc.com). Atklājot Ŕīs problēmas agrÄ«nā stadijā, AI aÄ£enti ziņo par dramatiskiem uzlabojumiem. Piemēram, MediCodio apgalvo 83% noraidÄ«jumu samazinājumu salÄ«dzinājumā ar vēsturiskajiem etaloniem (medicodio.ai), un Thinkitive (pielāgots RCM piegādātājs) reklamē 40% noraidÄ«jumu samazinājumu pirmajā ceturksnÄ« pēc ievieÅ”anas (www.thinkitive.com). LÄ«dzÄ«gi, Arintra atzÄ«mē, ka tās maksātāja noteikumu pārbaudes un kodētāju pārskatīŔanas darbplÅ«sma nodroÅ”ina ā€œmazāk noraidÄ«jumuā€ un ātrākas atmaksas (www.arintra.com). Å ie skaitļi jāuztver kā piemēri, taču kvalitatÄ«vais punkts ir spēkā: AI vadÄ«tas kodēŔanas integrēŔana ar dokumentācijas nepilnÄ«bu pārbaudēm parasti uzlabo pirmās caurlaides ražību. VeselÄ«bas aprÅ«pes finanÅ”u darbinieki bieži min noraidÄ«jumu lÄ«meni <5% kā ideālu (www.beckersasc.com); AI rÄ«ki palÄ«dz to sasniegt, risinot vienu no galvenajiem pamatcēloņiem (kodēŔanas kļūdas).

KlÄ«nicistu un kodētāju ietaupÄ«tais laiks: AI dokumentācijas/kodēŔanas palÄ«dzÄ«ba summējas laika ietaupÄ«jumos. JAMA pētÄ«jumā par videi pielāgotiem stenogrāfiem atklāts neliels, bet nozÄ«mÄ«gs dokumentācijas laika samazinājums (par 13–16 minÅ«tēm mazāk uz 8 stundu darba dienu, kas ir 10% kritums) (pmc.ncbi.nlm.nih.gov). Tas galvenokārt atspoguļo ātrāku piezÄ«mju ievadīŔanu (stenogrāfi sagatavo tekstu) un mazāk papildinājumu. KodēŔanas pusē efektivitātes pieaugums tiek minēts aptuveni 3–5 reizes lielākā ātrumā: MediCodio ziņoja par 81% ātrāku karÅ”u apstrādes laiku (medicodio.ai). Arintra apgalvo, ka autonomi apstrādā 80–90% karÅ”u (www.arintra.com), kas nozÄ«mē, ka kodētāji atver tikai atlikuÅ”os 10–20%. PlaŔā mērogā tas nozÄ«mē augstāku kodētāju produktivitāti (un mazāk nepiecieÅ”amo kodētāju FTE). Viens avots lēŔ, ka kodētāji ar AI rÄ«kiem var apstrādāt lÄ«dz 48 kartēm/stundā (salÄ«dzinājumā ar ~10–15/h manuāli). SvarÄ«gi ir tas, ka lietotāja saskarnes, kas parāda tikai neatbilstÄ«bas vai zemas pārliecÄ«bas vienumus, ļauj katram kodētājam koncentrēties uz svarÄ«gāko. Vēl nav publicēts pētÄ«jums, kas kvantitatÄ«vi novērtētu RCM mēroga laika ietaupÄ«jumus sistēmas lÄ«menÄ«, taču Bloomberg un Becker’s ziņo par pieaugoÅ”u AI izmantoÅ”anu, lai palielinātu kodētāju caurlaides spēju un samazinātu kavējumus.

EHR integrācija un ontoloģijas pārklājums

Lielākā daļa mÅ«sdienu kodēŔanas/CDI aÄ£entu cenÅ”as nodroÅ”ināt nevainojamu EHR integrāciju. Tādi risinājumi kā IKS Health un Solventum ir savienotāji galvenajām sistēmām (Epic App Orchard vai Connection Hub, Cerner PowerChart utt.). Citi (QuickIntell, MediCodio) savienojas, izmantojot FHIR/HL7 saskarnes ar jebkuru sertificētu EHR vai prakses vadÄ«bas sistēmu. Å Ä«s integrācijas ļauj AI automātiski iegÅ«t klÄ«niskās piezÄ«mes un pacienta kontekstu un ierakstÄ«t kodus atpakaļ norēķinu rindā. Novērtējot aÄ£entus, pārbaudiet, vai jÅ«su EHR tiek atbalstÄ«ts dabiski vai vai ir pieejamas pielāgotas API.

AttiecÄ«bā uz medicÄ«niskajām ontoloÄ£ijām, vadoÅ”ie aÄ£enti aptver pilnu norēķinu kodu spektru (SSK-10-CM, SSK-10-PCS/OPCS, CPT/HCPCS, DRG u.c.), kā arÄ« NLP vārdnÄ«cas (SNOMED CT, LOINC laboratorijas jēdzieniem, RxNorm medikamentiem). Piemēram, RevCodeMD skaidri apstrādā SSK un CPT, savukārt Clinithink CLiX var kartēt SNOMED diagnozes un RxNorm zāles ar norēķinu kodiem. VisaptveroÅ”s aÄ£ents ietver arÄ« vietējās kodu kopas, maksātājam specifiskus cenu sarakstus un pat slimnÄ«cu maksas sarakstus. Mēs neidentificējām aÄ£entu, kas vienlaikus apstrādātu katru iespējamo sistēmu, taču daudzi lepojas ar 90%+ pārklājumu biežām specialitātes vajadzÄ«bām. Noteikti jautājiet, vai retus vai iekŔējos kodus (piemēram, vietējās lietoÅ”anas kodus) var importēt un kā sistēma tiek atjaunināta ar kodu izmaiņām (SSK-11, CPT ikgadējie atjauninājumi).

Cilvēks-cilpā un pārvaldība

Cilvēka uzraudzÄ«ba ir kritiska. Visas vadoŔās platformas izmanto HITL modeli: AI iesaka, cilvēki pārskata izņēmumus. Piemēram, IKS dzinējs novirza zemas pārliecÄ«bas vienumus; MediCodio AutoPilot režīms joprojām piedāvā kodētāju ā€œignorēŔanuā€; CDE One rada CDI vaicājumus, uz kuriem atbild medmāsas vai ārsti. Tas nozÄ«mē, ka atbildÄ«ba paliek pie sertificētiem kodētājiem/ārstiem, nevis AI. SvarÄ«gi ir tas, ka visiem ieteikumiem jābÅ«t izsekojamiem lÄ«dz kartes pierādÄ«jumiem. Tādi risinājumi kā Solventum uzglabā audita takas, kas saista katru kodēto jēdzienu ar piezÄ«mes tekstu, kas to izraisÄ«ja (www.solventum.com). Laba prakse ir katru nedēļu mērÄ«t AI ieteikumus pret nejauÅ”iem cilvēku auditiem, jo aprÅ«pes raksturs attÄ«stās (kā norādÄ«ts NPJ Digital Medicine pētÄ«jumā: ā€œtikai modeļa precizitāte nav pietiekamaā€ – svarÄ«ga ir darbplÅ«sma un pieņemÅ”ana (www.nature.com)).

PārvaldÄ«ba un atbilstÄ«ba: Visi rÄ«ki mērķē uz HIPAA atbilstÄ«bu; lielākā daļa ir SaaS platformas, kas paraksta Biznesa partneru lÄ«gumus (BAA) un izmanto Å”ifrēŔanu. QuickIntell QuickCode skaidri min TLS/AES Å”ifrēŔanu un SOC2 kontroli (quickintell.com). HIPAA droŔības noteikums nosaka administratÄ«vus un tehniskus aizsardzÄ«bas pasākumus ePHI (Å”ifrēŔana, piekļuves žurnāli, datu pārkāpumu pārvaldÄ«ba (www.hhs.gov)). Mēs iesakām pārliecināties, vai jÅ«su piegādātājam ir veiktas treÅ”o puÅ”u droŔības revÄ«zijas (SOC 2, HITRUST) un vai jebkādas PHI saglabāŔanas politikas atbilst jÅ«su iestādes vadlÄ«nijām. RÄ«ki, kas darbojas lokāli vai privātā mākonÄ« (vai izmanto malu skaitļoÅ”anu slimnÄ«cas iekÅ”ienē), samazina PHI iedarbÄ«bu.

DroŔība (bez medicÄ«niskās konsultācijas): Å iem aÄ£entiem jāizvairās no klÄ«nisko ieteikumu (diagnožu vai terapiju) sniegÅ”anas. Tie pastāv, lai kodētu un dokumentētu. Piemēram, daži videi pielāgoti AI produkti ietver instrukcijas, piemēram, ā€œnesniedziet jaunus klÄ«niskus padomus.ā€ DroŔības pasākumi ietver uzvedņu inženieriju, kas ierobežo modeli: piemēram, ā€œTikai ieteikt norēķinu kodus; neinterpretēt klÄ«nisko nodomu.ā€ AI nedrÄ«kst halucinēt diagnozes, kas nav tekstā. Ideālā gadÄ«jumā aÄ£ents izmanto apkopotu medicÄ«nisko zināŔanu bāzi, nevis brÄ«va teksta Ä£enerēŔanu. Izvadu pārbaude pret zināmām ontoloÄ£ijām (UMLS, RxClass utt.) palÄ«dz atklāt nepatiesus secinājumus. Mēs iesakām jautāt piegādātājiem par FDA/medicÄ«nas ierīču atbilstÄ«bu, ja to produkts sāk iejaukties klÄ«niskās lēmumu pieņemÅ”anas atbalstā, jo Ŕī joma joprojām attÄ«stās.

Tirgus nepilnības un nākotnes iespējas

Lai gan paÅ”reizējie AI kodēŔanas aÄ£enti ir jaudÄ«gi, joprojām pastāv nepilnÄ«bas. Daudzi koncentrējas uz kartes piezÄ«mēm un piedāvā ierobežotu atbalstu multimediju vai specializētiem datiem (piemēram, attēliem, Ä£enētiskiem testiem, genomikai). Neviens risinājums vēl nespēj pilnÄ«bā sasaistÄ«t medicÄ«nisko attēlu atklājumus ar kodēŔanu (radioloÄ£ijas AI ir sākuma stadijā). Daudzvalodu atbalsts ir vēl viena nepilnÄ«ba: angļu valodā nerakstÄ«tas klÄ«nicistu piezÄ«mes var netikt apstrādātas, ja tās nav Ä«paÅ”i apmācÄ«tas (svarÄ«gi globālajām veselÄ«bas sistēmām). Turklāt, lai gan CMS un SSK kodi ir labi aptverti, jaunākām jomām, piemēram, uz vērtÄ«bu balstÄ«tiem kvalitātes rādÄ«tājiem (SNOMED vai LOINC rezultātiem), tiek pievērsta mazāka uzmanÄ«ba.

Vēl viena nepilnÄ«ba ir lietotāju caurspÄ«dÄ«gums: klÄ«nicisti un kodētāji bieži vien uztver AI ieteikumus kā melnu kasti. Labāka sistēma nodroÅ”inātu skaidrojamus AI izvades datus, piemēram, "Ieteiktais kods J96.21 (AkÅ«ta elpoÅ”anas mazspēja), jo piezÄ«mē teikts 'akÅ«ta elpoÅ”anas mazspēja, ar ventilatoru pārvaldÄ«ta' (skatÄ«t X sadaļu)". Å Ä« izsekojamÄ«ba veido uzticÄ«bu. Turklāt maz rÄ«ku dinamiski mācās no konkrētā pakalpojumu sniedzēja modeļiem reāllaikā (lielākajai daļai nepiecieÅ”ama partijas pārmācÄ«ba ar atgriezenisko saiti). Nākamās paaudzes aÄ£ents varētu nepārtraukti pielāgoties slimnÄ«cas specifiskajam maksātāju sastāvam un dokumentācijas stilam.

Visbeidzot, trūkst universālu integrācijas sistēmu. Katrs piegādātājs izveido patentētus savienotājus. Visu EHR atvērtā saskarne (iespējams, HL7 FHIR norēķinu standarts) varētu ļaut vairāk rīkiem vienveidīgi pieslēgties.

Praktiski padomi uzņēmējiem: Ideāls kodēŔanas/CDI asistents bÅ«tu ā€œmeta-aÄ£entsā€, kas apvienotu labāko no esoÅ”ajiem rÄ«kiem. Tas viegli integrētos ar jebkuru EHR (atvērta uz FHIR balstÄ«ta arhitektÅ«ra), atbalstÄ«tu visas galvenās kodēŔanas ontoloÄ£ijas (SSK, CPT, SNOMED, LOINC, RxNorm) un ietvertu dabiskās valodas saskarni klÄ«nicistiem, lai vaicātu par dokumentācijas kvalitāti. Tam jānodroÅ”ina audita gatavÄ«ba pamatojumi katram kodam. DarbplÅ«smas pusē tas varētu apvienot CDI, kodēŔanu un noraidÄ«jumu pārvaldÄ«bu: piemēram, ja AI pamanÄ«tu dokumentācijas nepilnÄ«bu piezÄ«mē, tas varētu atvērt vaicājumu ārstam pirms prasÄ«bas iesniegÅ”anas. NoraidÄ«jumu novērÅ”anā aÄ£ents varētu simulēt apdroÅ”inātāja labojumus, lai atzÄ«mētu augsta riska prasÄ«bas.

Rezumējot, Å”ie AI aÄ£enti strauji nobriest. Uzņēmējiem vajadzētu pievērst uzmanÄ«bu funkciju nepilnÄ«bām – Ä«paÅ”i attiecÄ«bā uz skaidrojamÄ«bu, specializēto atbalstu un savietojamÄ«bu – un apsvērt platformas izveidi, kas aizpilda Ŕīs vajadzÄ«bas. Universāls AI kodēŔanas asistents, kas saista EHR, kodēŔanu, analÄ«zi un prasÄ«bu izskatīŔanu (ar pilnÄ«gu atbilstÄ«bu un droŔību), bÅ«tu vērtÄ«gs papildinājums tirgÅ«.

Secinājums

AI darbināti kodēŔanas un dokumentācijas aÄ£enti pārveido ieņēmumu cikla darbplÅ«smas. MÅ«sdienu risinājumi – no Epic integrētiem automātiskajiem kodētājiem lÄ«dz videi pielāgotiem AI stenogrāfiem – var sasniegt gandrÄ«z cilvēka precizitāti SSK/CPT kodēŔanā (www.medrxiv.org), ievērojami samazināt noraidÄ«jumu lÄ«meni (medicodio.ai) un ietaupÄ«t minÅ«tes no klÄ«nicistu dokumentācijas laika (pmc.ncbi.nlm.nih.gov). Tie to dara, apvienojot klÄ«nisko piezÄ«mju dabiskās valodas izpratni ar uz noteikumiem balstÄ«tu loÄ£iku un cilvēka uzraudzÄ«bu. Galvenie veiksmes faktori ietver cieÅ”u EHR integrāciju, atbalstu visaptveroŔām medicÄ«nas ontoloÄ£ijām un spēcÄ«gus PHI aizsardzÄ«bas pasākumus.

Tomēr neviens produkts nav ideāls: klÄ«nicisti paliek centrā, pārskatot AI uzvednes niansēm un atbilstÄ«bai. Organizācijām Å”ie rÄ«ki jāievieÅ” ar skaidru pārvaldÄ«bu (audita takas, nepārtraukta kvalitātes nodroÅ”ināŔana) un jāapmāca personāls to pareizai lietoÅ”anai. AI attÄ«stoties, mēs varam sagaidÄ«t vēl spēcÄ«gāku veiktspēju (dažas laboratorijas tagad redz, ka LLM kodu precizitāte atbilst vai pārsniedz profesionāļu lÄ«meni (www.medrxiv.org)). Inovatoriem ir atvērta iespēja: izveidot caurspÄ«dÄ«gākus, elastÄ«gākus aÄ£entus, kas aptver vairāk lietoÅ”anas gadÄ«jumu un patiesi sader ar aprÅ«pes nodroÅ”ināŔanu. Nākotnes kodēŔanas asistents varētu ne tikai pabeigt piezÄ«mes vai ieteikt kodus, bet arÄ« aktÄ«vi apmācÄ«t klÄ«nicistus par atbilstoÅ”u dokumentāciju – patiesa ā€œacs kartÄ“ā€, kas atbrÄ«vo klÄ«nicistus, lai viņi varētu koncentrēties uz pacientiem, nevis dokumentiem.

Saistītie raksti

Patīk Ŕis saturs?

Abonējiet mūsu biļetenu, lai saņemtu jaunākos satura mārketinga ieskatus un izaugsmes ceļvežus.

Å is raksts ir paredzēts tikai informatÄ«viem nolÅ«kiem. Saturs un stratēģijas var atŔķirties atkarÄ«bā no jÅ«su specifiskajām vajadzÄ«bām.
10 labākie veselÄ«bas aprÅ«pes kodēŔanas un klÄ«niskās dokumentācijas aÄ£enti | AutoPod