Kas tehisintellekt asendab meditsiinilisi kodeerijaid? [Video ja viktoriin]

Lühike vastus:
tehisintellekt ei asenda meditsiinilisi kodeerijaid täielikult, kuid see muudab töö tegemise viisi. Kui dokumentatsioon on rutiinne ja struktureeritud, saab tehisintellekt kanda korduvaid samme; keerukate, vaieldavate või auditeeritud juhtumite korral jääb kesksele kohale inimlik otsustusvõime. Roll muutub enne, kui töötajate arv kaob.

Peamised järeldused:

Ülesannete automatiseerimine: tehisintellekt võtab enda peale korduva kodeerimistöö, luues ruumi otsustusmahukaks ülevaatamiseks ja erandite käsitlemiseks.

Inimeste vastutus: kodeerijad jäävad vastutavaks osapooleks, kui ilmnevad auditid, apellatsioonid, keeldumised või vastavusküsimused.

Rollide areng: kodeerimisrollid kalduvad auditeerimise, konfidentsiaalsuse puudumise, keeldumiste haldamise, poliitika tõlgendamise ja juhtimise suunas.

Riskijuhtimine: Kiirem kodeerimine võib suurendada vastavusriski, kui kiirus ületab järelevalve ja inimeste kontroll väheneb.

Karjäärikindlus: Juhiste tundmine, maksjapoliitika sujuvus ja auditeerimise tugevus on püsivad ja nõutud oskused.

Kas tehisintellekt asendab meditsiinilisi kodeerijaid? Mida "asendada" praktikas tähendab 🤔

Kui inimesed küsivad: „Kas tehisintellekt asendab meditsiiniprogrammeerijaid?“, peavad nad tavaliselt silmas ühte järgmistest:

• Asenda töötajate arv – üldiselt on vaja vähem programmeerijaid

• Asenda ülesandeid - töö muutub, aga programmeerijad jäävad

• Asenda vastutus – tehisintellekt teeb viimased otsused ja inimesed lihtsalt vaatavad pealt

• Algtaseme rollide vahetamine – esmalt muutub töövoog 😬

Minu kogemuse põhjal, kui jälgin meeskondade automatiseerimise kasutuselevõttu, siis suurim muutus on harva see, et „programmeerijad kaovad“. Pigem on see umbes selline:
rutiinne kodeerimine muutub kiiremaks, äärealadel tehtavad juhtumid muutuvad valjemaksja auditeerimisest saab igaühe täiskohaga vari. (OIG – üldine vastavusprogrammi juhend)

Tehisintellekt on kordamises suurepärane. Kodeerimine ei ole ainult kordamine. Kodeerimine on kordamine pluss otsustusvõime pluss vastavus pluss maksja veidrused pluss "miks see rahatähe sees on" mõistatuse lahendamine. 🕵️♀️

Seega jah, tehisintellekt saab asendada osa tööst. Kogu elukutse täielik asendamine on hoopis teine ​​​​asi.

Mis teeb tehisintellektil põhinevast meditsiinilisest kodeerimisest hea versiooni? ✅

Kui me räägime meditsiinilise kodeerimise tehisintellekti „heast versioonist”, siis see ei ole see, millel on kõige uhkem turundus. See on see, mis käitub nagu korralik kolleeg, kes ei paanitse, ei hallutsineeri ja näitab oma tööd. (NIST AI RMF 1.0, NIST Generative AI Profile (AI 600-1))

Heal tehisintellekti kodeerimissüsteemil (või töövoogul) on tavaliselt:

• Tugev kliiniline NLP, mis saab hakkama ebakorrektsetest märkmetest (dikteerimine, mallid, kopeeri-kleebi spagetid 🍝)

• Koodiettepanekud koos põhjendusega (mitte ainult kood, vaid ka miks)

• Usaldusväärsuse hindamine läviväärtustega, mida saate häälestada

• Nõuetele vastavuse ja maksja vastuste auditeerimisjäljed ( CMS MLN909160 – meditsiiniliste dokumentide dokumenteerimise nõuded )

• Reeglite ja suuniste vastavusse viimine (RHK-10-CM, CPT, HCPCS, NCCI muudatused, maksjapoliitikad... kogu see jama 🎪) (CMS FY 2026 RHK-10-CM kodeerimisjuhised, CMS NCCI muudatused)

• Inimene-silmuses juhtimine , et kodeerijad saaksid vastu võtta, muuta või tagasi lükata (NIST AI RMF 1.0)

• Integratsioon, mis ei riku kõigi päeva (EHR, kodeerija, CAC, arveldussüsteem)

Kui tööriist ei suuda ennast seletada, ei asenda see midagi ohutult. See lihtsalt tekitab kiiremini ärevust. (NISTi generatiivse tehisintellekti profiil (AI 600-1))

Võrdlustabel: parimad tehisintellektiga toetatud kodeerimisvõimalused (ja kuhu need sobivad) 📊

Allpool on praktiline võrdlustabel tavaliste tehisintellektiga toetatud kodeerimismeetodite kohta. See pole täiuslikult selge... sest sama kehtib ka implementatsiooni kohta.

Kas märkad mustrit? Mida „kontaktivabam“ see püüab olla, seda rohkem juhtimist on vaja, et vältida aeglase liikumisega vastavusprobleemi. Lõbus. (OIG – vastavusprogrammi üldised juhised)

Miks on tehisintellekt kodeerimise teatud osades tõeliselt hea 😎

Andkem tehisintellektile tunnustust seal, kus see on teenitud. On valdkondi, kus see on tõeliselt tugev:

1) Mustrite äratundmine suures mahus

Suuremahulised, korduvad kokkupuuted järjepideva dokumentatsiooniga? Tehisintellekt suudab sageli tabada järgmisi tulemusi:

• tavaliste seisundite rutiinne diagnoosimine

• lihtne protseduuride kodeerimine, kui dokumentatsioon on puhas

• kiire tõendusmaterjali leidmine (laborid, pildid, probleemide nimekirjad)

2) „Jahi” kiirendamine

Isegi asjatundlikud programmeerijad veedavad aega jahil:

• Kus on teenusepakkuja avaldus?

• kus on eripära

• Mis toetab meditsiinilist vajadust

• Kus see paganama lateraalsus on 😩

Tehisintellekt suudab esile tõsta olulisi jooni, märgistada puuduvaid spetsiifilisust ja vähendada kerimisväsimust. See pole glamuurne, aga see on tõeline produktiivsus.

3) Keeldumise ennetamise mustrid

Tehisintellekt suudab õppida mustreid, näiteks:

• Maksja poolt põhjustatud tavalised keeldumise käivitajad

• teatud teenustega seotud dokumentatsioonilüngad

• modifikaatorid, mis sageli ilma lisatoeta tagasi lükatakse (CMS MLN909160 – haigusloo dokumentatsiooni nõuded, CMS CERT programm)

Programmeerijad teevad seda juba vaimselt. Tehisintellekt lihtsalt teeb seda lärmakalt ja kiiremini.

Miks tehisintellektil on raskusi osadega, mille eest programmeerijatele makstakse 😬

Nüüd aga teine ​​külg. Automatiseerimist lõhuvad osad on tavaliselt samad osad, mis eraldavad „koodi sisestamise“ „kodeerimisest“

Kliiniline ebaselgus ja arsti meeleolu

Teenusepakkujad kirjutavad selliseid asju nagu:

• „tõenäoline”, „välistab”, „kahtlustatav”, „ei saa välistada”

• „anamneesis“, „staatuse postitus“, „lahenenud“, „krooniline, kuid stabiilne“

• „tõenäoline kopsupõletik, aga võib olla ka südame paispuudulikkus”

Tehisintellekt suudab ebakindlust valesti tõlgendada ja selle kindluseks muuta. See pole... armas viga.

Juhendi nüanss (ja maksjapoliitika kaos)

Kodeerimine ei ole lihtsalt „kliiniliselt juhtunud“. See on:

• suunise tõlgendamine

• järjestamisloogika

• komplekteerimisreeglid

• maksjaspetsiifilised nõuded

• meditsiinilise vajaduse loogika

• kohaliku leviala iseärasused (CMS FY 2026 ICD-10-CM kodeerimisjuhised, CMS NCCI muudatused)

Tehisintellekt suudab mustreid õppida, see on tõsi. Aga kui maksja reeglit muudab, siis inimesed kohanevad teadlikult. Tehisintellekt kohaneb nii segaduse kui ka enesekindlusega. See on halb kombinatsioon.

"Ühe puuduva lause" probleem

Üksainus rida võib muuta koodivalikut, DRG-d, HCC riski jäädvustamist või E/M taset. Tehisintellekt võib selle märkamata jätta või, mis veel hullem, – järeldada. Ja järeldamine kodeerimises on nagu silla ehitamine tarretisest. Näeb hea välja kuni sellele peale astumiseni.

Niisiis… Kas tehisintellekt asendab meditsiinilisi kodeerijaid? Kõige realistlikum tulemus 🧩

Tagasi põhimärksõna juurde: kas tehisintellekt asendab meditsiiniprogrammeerijaid?
Minu parim põhjendatud vastus on: tehisintellekt asendab esmalt osa tööst, seejärel kujundab rollid ümber ja vähendab töötajate arvu ainult seal, kus organisatsioonid otsustavad säästetud aega mitte reinvesteerida.

Tõlge:

• Mõned organisatsioonid kasutavad tehisintellekti läbilaskevõime suurendamiseks ilma koondamisteta

• Mõned kasutavad seda kulude vähendamiseks (ja hiljem tagajärgedega tegelemiseks)

• Mõned teevad segu, olenevalt teenindusliinidest

Aga siin on üks konks, mida inimesed kahe silma vahele jätavad: kui tehisintellekt suurendab kiirust, võib see suurendada ka riski. See risk suurendab nõudlust järgmiste toodete järele:

• audiitorid

• vastavuskontrollijad

• kodeerimisõpetajad

• keeldumiste haldamise spetsialistid

• CDI ja päringute haldamise plussid

• andmekvaliteedi juhtimise rollid (OIG – üldise vastavusprogrammi juhised, CMS CERT programm)

Seega asendamine ei ole sirgjooneline. See on pigem nagu sandaalides jooksulint. Edusammud... aga natuke ebastabiilsed. 😅

Mis muutub esimesena: statsionaarne vs ambulatoorne vs professionaal 🏥

Mitte kogu kodeerimistöö ei ole võrdselt mõjutatud. Mõnda valdkonda on lihtsam automatiseerida, kuna dokumentatsioon ja reeglid on paremini struktureeritud.

Ambulatoorne ja professionaalne

Kiirem automatiseerimine on sageli tingitud järgmistest põhjustest:

• suur maht

• korduvad mallid

• struktureeritumad andmevood

• reeglipõhiste muudatuste + tehisintellekti juhiste (CMS NCCI muudatused)

Kuid E/M tasemete, meditsiiniliste otsuste tegemise ja maksjate kontrolli keerukus hoiab inimesed endiselt väga olulisel kohal. (CMS MLN006764 – Hindamis- ja haldusteenused)

Statsionaarne

Statsionaarsel kodeerimisel on tohutu varieeruvus:

• pikaajaline viibimine mitme diagnoosiga

• tüsistused, kaasuvad haigused, protseduurid

• DRG mõjud ja järjestamise nüansid

• pidev dokumenteerimishäire (CMS FY 2026 RHK-10-CM kodeerimisjuhised)

Tehisintellekt võib aidata, kuid „kontaktivaba statsionaarne ravi” kipub paljude haiglate jaoks olema pigem unistus kui reaalsus.

Erialaread

Radioloogia ja patoloogia võivad struktureeritud aruandluse tõttu märkimisväärselt paraneda. Erakorralise meditsiini osakond võib aga olla segamini – kiired, mallipõhised märkmed, aga sassis reaalsus.

Varjatud lahinguväli: vastavus, auditid ja vastutus 🧾

Siin muutub „asendamine” ebakindlaks.

Isegi kui tehisintellekt soovitab koode, langeb vastutus ikkagi kuhugi konkreetsesse kohta:

• Rajatis

• Arveldusteenuse pakkuja

• Kodeerija, kes klõpsas nupul „nõustu”

• Juht, kes seadis läviväärtused

• Müüja, kes väitis, et see on täpne (lol) (OIG – üldise vastavusprogrammi juhised)

Vastavusmeeskonnad soovivad tavaliselt:

• jälgitavus

• kaitstav kodeerimise põhjendus

• järjepidev suuniste rakendamine

• Auditeerimisvalmis dokumentatsioon (CMS MLN909160 – meditsiiniliste dokumentide dokumentatsiooni nõuded)

Tehisintellekt saab seda toetada – aga ainult siis, kui töövoog on üles ehitatud tõendite säilitamiseks ja pimesi aktsepteerimise vähendamiseks. (NIST AI RMF 1.0)

Natuke otsekohene: kui teie tehisintellekti töövoog soodustab kummitemplite tegemist, siis te ei säästa raha. Te laenate probleeme. Intressiga. 😬 (GAO-19-277, CMS CERT programm)

Kuidas väärtuslikuks jääda: tehisintellektikindel kodeerija oskustepagas 💪🧠

Kui oled meditsiiniline kodeerija ja loed seda pitsitustundega rinnus, siis on sul hea uudis: saad end positsioneerida selle tööosa jaoks, mida tehisintellekt ei saa ohutult hallata.

Oskused, mis vananedes hästi vastu peavad (isegi tehisintellektirikkas keskkonnas):

• Auditeerimine ja kvaliteedikontroll (mitte ainult kiirete, vaid ka vigade leidmine) (OIG – vastavusprogrammi üldised juhised)

• Juhendi tõlgendamine (ja selle selge selgitamine) (CMS FY 2026 ICD-10-CM kodeerimisjuhised)

• Maksjapoliitika navigeerimine (sest poliitikad on… vürtsikad 🌶️)

• CDI koostöö ja päringustrateegia

• Keeldumise algpõhjuse analüüs (CMS MLN909160 – haigusloo dokumentatsiooni nõuded, CMS CERT programm)

• Riskikorrigeerimise oskus (HCC loogika, dokumentatsiooni terviklikkus) (CMS Risk Adjustment)

• Erialased teadmised (ortopedia, kardioloogia, neuroloogia, onkoloogia jne)

• Tehisintellekti juhtimine – aitab määrata läviväärtusi, veakategooriaid ja tagasisideahelaid (NIST AI RMF 1.0)

Kui tehisintellekt on kalkulaator, siis ei muutu sa matemaatika parema tegemise tõttu iganenuks. Sa muutud väärtuslikumaks teades, millal kalkulaator eksib ja miks.

Kuidas organisatsioonid peaksid tehisintellekti rakendama ilma kõiki õnnetuks tegemata 😵💫

Kui oled juhtimispoolel, siis siin on rakendusmustrid, mida olen kõige paremini näinud:

1) Alusta sõnaga „abista“, mitte „asenda“

Kasutage tehisintellekti järgmiseks:

• diagrammi prioriseerimine

• tõendid pinnale kerkivad

• koodiettepanekud koos usaldusskooridega

• töövoo suunamine keerukuse põhjal

2) Loo tagasisideahelaid nii, nagu sa seda mõtled

Kui kodeerijad parandavad tehisintellekti väljundit, jäädvustage see:

• mis tüüpi viga

• miks see juhtus

• milline dokumentatsioon selle käivitas

• kui tihti see kordub

Vastasel juhul tööriist ei parane kunagi ja kõik lihtsalt oskavad seda ignoreerida.

3) Jaota töö keerukuse järgi

Praktiline töövoog:

• madal keerukus - rohkem automatiseerimist

• keskmise keerukusega - kodeerija + tehisintellekti paaristöövoog

• kõrge keerukus - esmalt asjatundlik kodeerija, seejärel tehisintellekt (jah, alles siis)

4) Mõõda õigeid tulemusi

Mitte ainult tootlikkus. Samuti:

• keeldumismäärad

• auditi järeldused

• ümbermineku määrad

• päringute maht ja vastuste kvaliteet

• kodeerija rahulolu (tõsiselt) (CMS CERT programm)

Kui tootlikkus tõuseb ja keeldumiste arv suureneb ka... see pole võit. See on läikiv probleem.

Milline tulevik välja näeb (ilma ulmedraamadeta) 🔮

Ärme teeskle, et midagi ei muutu. Muutub küll. Aga „programmeerijate lõpu” narratiiv on liiga lihtne.

Tõenäolisem on:

• vähem puhtalt koodi sisestamise rolle

• rohkem hübriidrolle (kodeerimine + audit + analüütika + vastavus)

• kodeerimismeeskondadest saavad andmekvaliteedi meeskonnad

• dokumentatsiooni terviklikkus muutub olulisemaks probleemiks

• Tehisintellektist saab standardne kolleeg , keda te juhendate, meeldib see teile või mitte (NIST AI RMF 1.0, OIG – üldise vastavusprogrammi juhised)

Ja jah, teatud kohtades koondatakse. See on reaalne. Aga tervishoid armastab regulatsioone, varieeruvust, erandeid ja paberimajandust. Tehisintellekt saab paljuga hakkama... aga tervishoiul on anne leiutada uut keerukust, nagu oleks see hobi.

Lennuki maandumine: kas tehisintellekt asendab meditsiinilisi kodeerijaid? 🧡

Maandume selle lennuki.

Kas tehisintellekt asendab meditsiiniprogrammeerijaid? Mitte nii selges, terviklikus ja ulmelises mõttes, nagu inimesed seda mõista annavad. Tehisintellekt vähendab kindlasti korduvaid ülesandeid, kiirendab rutiinset kodeerimist ja avaldab organisatsioonidele survet meeskondi reorganiseerida. See loob ka suurema vajaduse järelevalve, auditeerimise, vastavuskaitse, eitamisstrateegia ja dokumentatsiooni terviklikkuse töö järele. (AHIMA – arvutipõhise kodeerimise tööriistakomplekt, OIG – vastavusprogrammi üldine juhend)

Kiire kokkuvõte 🧾

• Tehisintellekt asendab kodeerimisülesannete osi kui kodeerijaid

• „Kontaktivaba“ kodeerimine toimib kõige paremini kitsaste, selgete ja korduvate juhtumite korral (AHIMA – arvuti abil kodeerimise tööriistakomplekt)

• Kompleksne kodeerimine nõuab endiselt inimese otsustusvõimet ja vastutust (CMS FY 2026 ICD-10-CM kodeerimisjuhised, CMS MLN909160 – meditsiiniliste dokumentide dokumenteerimise nõuded)

• Kõige turvalisem on inimene-silmus koos tugevate auditeerimisradadega (NIST AI RMF 1.0)

• Programmeerijad, kes arendavad oma alaseid kogemusi auditi, vastavuse, CDI, maksjapoliitika ja erialase ekspertiisiga, muutuvad veelgi väärtuslikumaks (OIG – üldine vastavusprogrammi juhend, CMS CERT programm).

Ja ausalt öeldes... kui tehisintellekt kunagi kodeerimise täielikult "asendab", siis tänu täiuslikule dokumentatsioonile. Ja see on kõige ebareaalsem asi, mida ma terve päeva jooksul öelnud olen 😂 (CMS MLN909160 – haigusloo dokumentatsiooni nõuded)

Reaalse maailma näide: tehisintellektiga toetatud ambulatoorse kodeerimise töövoo loomine 🧪

Stsenaarium

Kujutage ette keskmise suurusega ambulatoorset kliinikut, mis tegeleb pidevalt esmatasandi arstiabi, kardioloogia ja ortopeedia vastuvõttudega. Kodeerimismeeskond ei püüa kodeerijaid asendada. Nad püüavad vähendada tüütut kerimistööd: leida teenusepakkuja hinnang, kontrollida, kas lateraalsus on dokumenteeritud, tuvastada puuduvat spetsiifilisust ja tuvastada ilmseid modifikaatoreid või meditsiinilise vajaduse probleeme enne nõuete esitamist.

Selles näites kasutatakse tehisintellekti esmase assistendi rollis. See vaatab üle kohtumise märkme, pakub välja tõenäolised ICD-10-CM ja CPT koodid, tõstab esile iga soovitust toetava täpse märkme teksti ja märgistab kõik, mis vajab inimese otsust.

Lõpliku otsuse teeb ikkagi programmeerija. Automaatset nõude esitamist ei toimu. „Tehisintellekt ütles nii” kummitemplit ei tehta. Igav? Võib-olla. Turvalisem? Absoluutselt.

Mida assistent vajab

Praktiline tehisintellektiga kodeerimisassistent vajaks:

• Hiljutised ambulatoorse vastuvõtu märkmed, millelt on testimiseks patsiendi identifikaatorid eemaldatud

• Kehtivad ICD-10-CM, CPT, HCPCS, NCCI ja maksjapoliitika viited

• Näited varem aktsepteeritud kodeeritud kohtumistest

• Näited tagasilükatud või parandatud nõuetest

• Selge usalduslävi, näiteks „saada kõik alla 85% usaldusnivoo väärtused täielikule inimlikule ülevaatusele”

• Reegel, mille kohaselt peab assistent enne koodi soovitamist tsiteerima või osutama toetavale dokumentatsioonile

• Kodeerija tagasisideprotsess vastuvõetud, tagasilükatud ja muudetud ettepanekute jaoks

Asi pole ainult märkmete andmises. Asi on selles, et õpetada talle, milline „kaitstav“ välja näeb.

Näidisjuhis

Te abistate sertifitseeritud meditsiinilist kodeerijat ambulatoorse kutsetasu alusel kodeerimisel. Vaadake üle kohtumise märkus ja pakkuge välja võimalikke ICD-10-CM, CPT, HCPCS ja modifikaatori valikuid ainult siis, kui dokumentatsioon seda toetab. Iga soovituse puhul näidake märkuses olevat toetavat fraasi, selgitage selgelt kodeerimisloogikat ja märkige ära kõik puuduvad täpsustused, ebakindlus, maksjapoliitikaga seotud probleemid või dokumentatsioonilüngad. Ärge kinnitage nõuet. Märkige iga üksus madala, keskmise või kõrge usaldusväärsusega. Iga ebakindel diagnoos, ebaselge protseduur, puuduv lateraalsus või põhjendamata meditsiiniline vajadus tuleb edastada inimesele läbivaatamiseks.

Kuidas seda testida

Alustage 30 juba kodeeritud ambulatoorse vastuvõtuga, mis on jagatud lihtsate, keskmise raskusastmega ja keeruliste juhtumite vahel.

Testiküsimused võivad hõlmata järgmist:

• Kas assistent suudab diagnoositoe leida ilma puuduvaid detaile välja mõtlemata?

• Kas see märgistab õigesti diagnoosid „võimalikud”, „välistatud” või „kahtlustatavad”?

• Kas see tabab ortopeedilistel juhtudel puuduva lateraalsuse?

• Kas see selgitab, miks modifikaatorit võib vaja minna, selle asemel et seda lihtsalt soovitada?

• Kas see tuvastab, millal dokumentatsioon ei toeta valitud E/M taset?

• Kas see eskaleerib ebaselgeid juhtumeid, selle asemel et peale suruda enesekindlat vastust?

Väärtuslik test on võrrelda sama diagrammi kolme versiooni: üks on puhas, üks on võtmelause puudu ja üks on vastuolulise dokumentatsiooniga. Kui tehisintellekt annab kõigile kolmele sama vastuse, pole see veel valmis.

Tulemus

Illustreeriv tulemus: põhineb 30 ambulatoorse vastuvõtu näidise ajastamisel enne ja pärast töövoo kasutamist.

Enne tehisintellekti tuge kulutas kodeerija keskmiselt 7 minutit rutiinse kohtumise kohta ülevaatamisele, koodi kinnitamisele ja dokumentatsiooni kontrollimisele. Tehisintellekti abil tõendite esiletõstmise ja esmaste soovituste abil langes see aeg 4 minutini rutiinse kohtumise kohta.

See võrdub:

• 30 kohtumise jooksul säästeti 90 minutit

• 3 minutit kokku hoitud rutiindiagrammi kohta

• 0 diagrammi esitati automaatselt ilma kodeerija ülevaatuseta

• 5 kohtumist eskaleerusid, kuna tehisintellekt leidis puuduva lateraalsuse, ebaselge diagnoosi staatuse või nõrga meditsiinilise vajaduse toe

• 2 tehisintellekti ettepanekut lükati tagasi, kuna toetav dokumentatsioon polnud piisavalt tugev

Kõige väärtuslikum mõõdik ei ole siinkohal mitte ainult „tehisintellekti täpsus“. See on kodeerija poolt pärast ülevaatamist heaks kiidetud ettepanekud. Selles testis võeti 30-st kohtumisest 23-l vastu vähemalt üks tehisintellekti ettepanek, kuid ainult 18 võeti vastu ilma koodimuudatusteta. See erinevus on oluline.

Mis võib valesti minna

Suurim risk on pime aktsepteerimine. Kui programmeerijad hakkavad klõpsama nupul „nõustu“, kuna tööriist kõlab enesekindlalt, muutub töövoog vastavusprobleemiks, kandes produktiivsuse mütsi. 🎩

Muud levinud vead on järgmised:

• Tehisintellekti lubamine diagnooside tuletamiseks ainult laborianalüüside või ravimite põhjal

• Kasutades aegunud maksja reegleid

• Madala usaldusväärsusega hoiatuste ignoreerimine, kuna nõuete järjekord on varundatud

• Ainult kiiruse, mitte keeldumiste või auditi tulemuste mõõtmine

• Kodeerijate tehisintellekti ettepanekute muutmise või tagasilükkamise põhjuste registreerimata jätmine

• Puhaste testitulemuste käsitlemine tõendina, et süsteem suudab hakkama saada keerukate ambulatoorsete haiguslugudega

Ohutum seadistus hoiab tehisintellekti assistendi rollis: pakub välja, esitab tõendeid, selgitab ebakindlust ja eskaleerib olukorda.

Praktiline kaasavõetav toit

Tehisintellekti parim kasutusviis meditsiinilises kodeerimises ei ole „las masinal kõik kodeerida“. See on „muuta kodeerija ülevaade teravamaks ja kiiremaks“. Kui töövoog säästab iga rutiinse diagrammi kohta kolm minutit, samal ajal kui enne arveldamist dokumentatsioonilüngad kõrvaldatakse, on sellel tõeline väärtus. Kuid väärtus kehtib ainult siis, kui hinnangu, auditeerimisjälje ja lõpliku otsuse langetamine kuulub endiselt inimestele.

KKK

Kas tehisintellekt asendab järgmise paari aasta jooksul täielikult meditsiinilised kodeerijad?

Tehisintellekt ei asenda tõenäoliselt meditsiinilisi kodeerijaid lähitulevikus täielikult. Enamik reaalse maailma rakendusi keskendub pigem rutiinsete ja mahukate ülesannete abistamisele, mitte rolli täielikule kaotamisele. Kodeerimine nõuab endiselt otsustusvõimet, juhiste tõlgendamist ja vastavusteadlikkust. Praktikas muudab tehisintellekt kodeerijate tööviisi rohkem kui seda, kas kodeerijaid on vaja.

Kuidas tehisintellekti meditsiinilise kodeerimise töövoogudes praegu kasutatakse?

Tehisintellekti kasutatakse tavaliselt koodide soovitamiseks, asjakohase dokumentatsiooni esiletõstmiseks, puuduva spetsiifilisuse märgistamiseks ja keerukuse järgi triaažidiagrammide koostamiseks. Paljud süsteemid töötavad inimese-ahela mudelil, kus programmeerijad vaatavad üle, kohandavad või lükkavad tagasi tehisintellekti ettepanekud. See parandab kiirust ilma vastutust üle andmata. Järelevalve on vastavuse ja täpsuse tagamiseks endiselt oluline.

Milliseid meditsiinilise kodeerimise osi on tehisintellektil kõige lihtsam automatiseerida?

Tehisintellekt toimib kõige paremini korduvate ja hästi dokumenteeritud kohtumiste, näiteks rutiinsete ambulatoorsete visiitide või struktureeritud erialaaruannete puhul. Järjepidevatele mallidele tuginevaid suuremahulisi stsenaariume on lihtsam automatiseerida. Koodiotsing, tõendite esiletõstmine ja elementaarsete eitusmustrite tuvastamine on tavaliselt tugevad kasutusjuhud. Kompleksne kliiniline otsustusvõime on endiselt keeruline.

Miks on tehisintellektil raskusi keerukate või mitmetähenduslike meditsiiniliste andmetega?

Kliiniline dokumentatsioon sisaldab sageli ebakindlust, vastuolulisi diagnoose ja ebatäpset keelt. Tehisintellekt võib valesti lugeda selliseid täpsustavaid sõnu nagu „võimalik” või „välistatud” kinnitatud seisunditena. Samuti võib see mööda vaadata ühest kriitilisest lausest, mis muudab järjestust või raskusastet. Need nüansid on nõuetele vastava kodeerimise keskmes ja neid on raske ohutult automatiseerida.

Kas tehisintellekt vähendab meditsiinilise kodeerimise algtaseme töökohtade arvu?

Algtaseme ametikohad võivad esmalt survet tunda, kuna rutiinne töö muutub automatiseeritumaks. Mõned organisatsioonid võivad värbamist aeglustada, samas kui teised suunavad nooremad kodeerijad audititoe või kvaliteedirollidesse. Mõju on organisatsiooniti ja teenindusvaldkonnati erinev. Karjäärivõimalused võivad pigem painduda ja ümber kujundada kui kaduda.

Kuidas tehisintellekt mõjutab meditsiinilise kodeerimise vastavust ja auditeerimisriski?

Tehisintellekt võib nõrga juhtimise korral suurendada nii kiirust kui ka riski. Kiirem kodeerimine ilma vastupidavate ülevaatusprotsessideta võib suurendada keeldumiste määra või auditi ohtu. Vastavusmeeskonnad vajavad endiselt jälgitavat põhjendust ja põhjendatud otsuseid. Inimlik ülevaade, auditeerimisjäljed ja selge vastutus on endiselt olulised kaitsemeetmed.

Millised oskused aitavad meditsiinilistel kodeerijatel tehisintellektiga toetatud keskkonnas väärtuslikuks jääda?

Auditeerimise, suuniste tõlgendamise, maksjapoliitika analüüsi ja keeldumiste haldamisega seotud oskused kipuvad vananedes hästi kuluma. Kodeerijaid, kes mõistavad koodi õigsust, mitte ainult seda, millist koodi valida, on raskem asendada. Erialased teadmised ja CDI-koostöö lisavad samuti väärtust. Paljud rollid liiguvad kvaliteedi ja juhtimise suunas.

Kas enamiku organisatsioonide jaoks on „kontaktivaba” meditsiiniline kodeerimine realistlik?

Kontaktivaba kodeerimine võib toimida kitsaste ja lihtsate juhtumite puhul, kus on vaja selget dokumentatsiooni. Komplekssete statsionaarsete või mitme haigusseisundiga patsientide kohtumiste puhul jääb see sageli vajaka. Enamik organisatsioone näeb hübriid-töövoogudega paremaid tulemusi. Täielik automatiseerimine suurendab tavaliselt vajadust järgnevate auditite ja paranduste järele, mitte ei kaota tööd.

Viited

1. Peainspektori büroo (OIG), USA tervishoiu- ja sotsiaalteenuste ministeerium – üldise vastavusprogrammi juhised – oig.hhs.gov

2. Riiklik Standardite ja Tehnoloogia Instituut (NIST) - tehisintellekti riskijuhtimise raamistik (AI RMF 1.0) - nist.gov

3. Riiklik Standardite ja Tehnoloogia Instituut (NIST) - Generatiivse tehisintellekti profiil (NIST AI 600-1) - nist.gov

4. Medicare'i ja Medicaidi teenuste keskused (CMS) - haigusloo dokumentatsiooni nõuded (MLN909160) - cms.gov

5. Medicare'i ja Medicaidi Teenuste Keskused (CMS) - 2026. eelarveaasta ICD-10-CM kodeerimisjuhised - cms.gov

6. Medicare'i ja Medicaidi teenuste keskused (CMS) - riikliku korrektse kodeerimise algatuse (NCCI) muudatused - cms.gov

7. Ameerika Terviseteabe Halduse Assotsiatsioon (AHIMA) - Arvutipõhise kodeerimise tööriistakomplekt - ahima.org

8. Medicare'i ja Medicaidi teenuste keskused (CMS) - põhjalik veamäära testimise (CERT) programm - cms.gov

9. Medicare'i ja Medicaidi teenuste keskused (CMS) - hindamis- ja haldusteenused (MLN006764) - cms.gov

10. USA valitsuse aruandlusamet (GAO) - GAO-19-277 - gao.gov

11. Medicare'i ja Medicaidi teenuste keskused (CMS) - Riskikorrektsioon - cms.gov

Leia uusim tehisintellekt ametlikust tehisintellekti abilise poest

Meist