PRŮVODCE odvětvími

AI v kódování DRG na lůžku

Umělá inteligence v lůžkovém kódování DRG využívá zpracování přirozeného jazyka a strojové učení ke čtení nemocničních záznamů, navrhování kódů ICD-10-CM a ICD-10-PCS, předpovídání MS-DRG a označování sekundárních diagnóz, které se kvalifikují jako komplikace nebo komorbidity (CC) nebo velké komplikace nebo komorbidity (MCC).

Poslechněte si tento návodAI-vyprávěný · ~3 min

Na této stránce4 min čtení
  1. Přehled
  2. Hluboký ponor
  3. Real-World Implementace
  4. Budoucnost umělé inteligence v lůžkovém kódování DRG
  5. Uvedení do praxe
  6. Pokračujte v objevování
  7. Často kladené otázky

Přehled

Záleží na tom, protože DRG stanoví, co Medicare platí za většinu pobytů v nemocnici, a jedna dobře podporovaná nebo špatně podporovaná sekundární diagnóza může přesunout případ do jiné platební skupiny.

Hluboký ponor

CMS zavedlo skupiny Medicare Severity Diagnosis Related Groups (MS-DRGs) ve fiskálním roce 2008. Každý pobyt na lůžkovém zařízení jde do jedné skupiny na základě hlavní diagnózy, významných postupů, sekundárních diagnóz a někdy i stavu propuštění. Mnoho základních DRG se dělí do tří úrovní závažnosti: s MCC, s CC nebo bez žádné. Platba je zhruba relativní váha DRG vynásobená základní sazbou nemocnice plus úpravy. Podle oficiálních směrnic je hlavní diagnózou stav stanovený po studiu, který je hlavní příčinou přijetí. Mnoho sporů pochází z výběru špatného. AI nerozhoduje o DRG. Kanic, deterministický kus softwaru, to dělá. AI navrhuje kódy, které grouper používá. Počítačem podporované kódovací systémy od dodavatelů, jako je Solventum (dříve 3M Health Information Systems) a Optum, čtou historii a fyzické údaje, poznámky o pokroku, operativní zprávy, souhrny propuštění, laboratorní výsledky a záznamy o medikaci. Poté navrhnou kódy s odkazy na podpůrný text. Nemocnice je využívají třemi způsoby. Během pobytu ukazují funkční DRG, takže mezery v dokumentaci lze opravit, když je pacient ještě v nemocnici. Při konečném kódování urychlují přiřazení kódu. Před účtováním spouští DRG validaci, která označí vysoce rizikové vzorce, jako je jeden CC nebo MCC nesoucí platbu, sporné hlavní sekvenování diagnózy a diagnózy bez jasné klinické podpory. Několik mylných představ je běžné. Více kódů automaticky neznamená vyšší DRG. U MS-DRG závisí stupeň závažnosti na tom, zda je přítomen alespoň jeden kvalifikovaný CC nebo MCC, a pravidla vyloučení CC snižují sekundární diagnózy příliš úzce související s hlavní diagnózou. Dokumentovaný kód také neznamená, že je klinicky platný. Plátci často popírají diagnózy, jako je sepse, malnutrice nebo akutní respirační selhání, když klinické ukazatele nesplňují jejich kritéria. Někteří plátci také používají APR-DRG, které přidávají čtyři podtřídy závažnosti onemocnění a rizika úmrtnosti a reagují odlišně na sekundární diagnózy.

Real-World Implementace

Zatímco je pacient stále přijat, počítačově podporovaný kódovací nástroj ukazuje funkční DRG pro pneumonii a poznamenává, že dokumentovaný obsah sodíku 126 léčený s omezením tekutin může podporovat kód hyponatremie, který by mohl přidat CC.

Před účtováním přesměruje validační nástroj DRG každý případ, jehož jediným MCC je akutní respirační selhání, k hodnotiteli druhé úrovně, protože tato diagnóza často vede k odmítnutí klinického ověření plátce.

Případ sepse je označen pro kontrolu sekvenování, protože AI navrhla pneumonii jako hlavní diagnózu, zatímco záznam ukazuje sepsi přítomnou při přijetí, což mění rodinu DRG podle oficiálních pokynů.

Model trénovaný na grouperu z předchozího fiskálního roku přiřadí DRG, které se po aktualizaci z 1. října již neshoduje. Zařízení to zachytí tak, že každý návrh projde kanicovou verzí spojenou s datem propuštění.

Budoucnost umělé inteligence v lůžkovém kódování DRG

Nemocnice pravděpodobně využijí AI pro větší kontrolu před vyúčtováním a pro přípravu reakcí na snížení ratingu plátců DRG, které se stalo významnou administrativní zátěží. Nástroje, které spárují každý kód s klinickými důkazy a citují příslušné pokyny nebo rady AHA Coding Clinic, odpovídají tomu, jak auditoři již pracují, takže je pravděpodobné, že se tento styl bude šířit. Autonomní kódování hospitalizovaných pacientů je těžší než kódování ambulantní, protože pobyty jsou delší a záznamy složitější, takže lidští kodéři pravděpodobně zůstanou v dohledné době odpovědní za konečné přiřazení DRG.

Uvedení do praxe

Proč na tom záleží

  • Kontext a pravidla. Kontext odvětví určuje, zda nápady AI přežijí kontakt s realitou.
  • Kontrola kvality. Omezení domény ovlivňují přijatelnou míru chyb a modely dohledu.
  • Volby sestavy. Úspěšné nasazení sladí technické možnosti s předními pracovními postupy.

Pozor na

  • Regulační požadavky mohou zneplatnit jinak silné prototypy.
  • Historická data mohou zakódovat zaujatost, která poškozuje konkrétní komunity.
  • Starší systémy mohou vytvářet úzká místa integrace a skryté náklady.

Další kroky

  1. Zapojte odborníky na doménu od rámování problému až po hodnocení.
  2. Před spuštěním navrhněte auditní záznamy a dokumentaci.
  3. Předčasně ověřte dodržování a bezpečnostní závazky.
  4. Zavádění ve fázích s jasnými kritérii zastavení a vrácení.

Pokračujte v objevování

Newsletter zdarma

Získejte denní přehled o AI

Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.

Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.

Otestujte se

Take the AI in Inpatient DRG Coding quiz

Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.

Spustit kvíz

Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte

Často kladené otázky

Co je AI v lůžkovém kódování DRG?

Umělá inteligence v lůžkovém kódování DRG využívá zpracování přirozeného jazyka a strojové učení ke čtení nemocničních záznamů, navrhování kódů ICD-10-CM a ICD-10-PCS, předpovídání MS-DRG a označování sekundárních diagnóz, které se kvalifikují jako komplikace nebo komorbidity (CC) nebo velké komplikace nebo komorbidity (MCC). Záleží na tom, protože DRG stanoví, co Medicare platí za většinu pobytů v nemocnici, a jedna dobře podporovaná nebo špatně podporovaná sekundární diagnóza může přesunout případ do jiné platební skupiny.

Která složka ve skutečnosti přiřazuje MS-DRG v pracovním postupu kódování hospitalizovaných pacientů s pomocí umělé inteligence?

AI navrhuje kódy a grouper tyto kódy používá k výpočtu DRG.

Proč přidání dalších sekundárních diagnostických kódů automaticky nevyvolá MS-DRG?

Úroveň závisí na tom, zda je přítomen kvalifikující se CC nebo MCC. Další kódy po nastavení úrovně nic nepřidávají a pravidla vyloučení mohou zrušit účinek kódu.

Jak v případě krátkodobého pobytu v akutní péči na lůžkovém zařízení zacházejí oficiální směrnice s diagnózou zdokumentovanou při propuštění jako „pravděpodobnou“?

Lůžková pravidla umožňují nejisté diagnózy zdokumentované při propuštění, aby byly kódovány tak, jak byly stanoveny. Ambulantní pravidla ne, takže model vyškolený na ambulantních datech se může mýlit.

Proč by mohl validační nástroj DRG odesílat případy, jejichž jediným MCC je akutní respirační selhání, druhému hodnotiteli?

Když jedna diagnóza řídí úroveň plateb a je často zpochybňována z klinických důvodů, dostane před fakturací druhý pohled.

Model přiřadí DRG pomocí skupiny grouper z minulého fiskálního roku pro pacienta propuštěného v listopadu. v čem je problém?

Verze skupiny musí odpovídat datu absolutoria a definice nového fiskálního roku vstoupí v platnost 1. října.