Als nächstesNächster Leitfaden
KI für E/M-Level-Codierung
Anwendungen
Anwendungsleitfaden
KI für medizinische Kodierungsprüfungen verwendet Software, um Ansprüche nach Risiko zu ordnen, Codes mit Dokumentation und Kostenträgerregeln zu vergleichen und wahrscheinliche Fehler zur Bestätigung durch menschliche Prüfer zu kennzeichnen.
Es hilft Anbietern, Über- und Unterzahlungen zu finden, bevor Zahler, Sanierungsaudit-Auftragnehmer oder das OIG dies tun. Das ist wichtig, denn sobald eine Überzahlung festgestellt wird, verlangen die Bundesvorschriften, dass diese innerhalb festgelegter Fristen gemeldet und zurückgezahlt wird.
Codierungsaudits gibt es in zwei Formen. Bei künftigen Audits werden Ansprüche vor der Abrechnung überprüft. Nachträgliche Prüfungen überprüfen bereits gezahlte Ansprüche. Diese Arbeit wird sowohl von internen als auch externen Gutachtern durchgeführt. Zu den externen Prüfern gehören Medicare Administrative Contractors (MACs), die Targeted Probe- und Educate-Prüfungen durchführen; Auftragnehmer für Wiederherstellungsprüfungen; Unified Program Integrity Contractors; Das umfassende Fehlerratentestprogramm von CMS; das HHS-Büro des Generalinspektors; und kommerzielle und Medicare Advantage-Zahler. In den im November 2023 veröffentlichten „General Compliance Program Guidance“ des OIG werden Prüfung und Überwachung als Kernelemente eines Compliance-Programms aufgeführt. KI hilft an drei Stellen. Zunächst ermittelt die Risikobewertung, wo gesucht werden muss. Es vergleicht Codeverteilungen mit Peers, kennzeichnet ungewöhnliche Modifikatorverwendung und erkennt Bearbeitungsverstöße. Zweitens vergleicht die automatisierte Überprüfung jeden Code mit der Dokumentation und den Kostenträgerregeln, wie z. B. NCCI-Änderungen und lokalen und nationalen Deckungsbestimmungen. Anschließend erstellt es einen Beschluss mit den unterstützenden Beweisen. Drittens fließen die Ergebnisse in die Berichterstattung und Aufklärung ein, aufgeschlüsselt nach Anbieter, Code oder Fehlertyp. Das größte Missverständnis besteht darin, dass die Prüfung von 100 Prozent der Schadensfälle mit KI die statistische Stichprobenerhebung ersetzt. Das ist nicht der Fall. Eine KI-Flagge ist ein Hinweis und kein Befund, bis sie von einem qualifizierten Prüfer bestätigt wird. Um abzuschätzen, wie viel eine Überzahlung für eine ganze Gruppe von Schadensfällen wert ist, benötigen Sie eine dokumentierte, statistisch valide Stichprobenmethode. Das OIG bietet hierfür kostenlose RAT-STATS-Software an. Gezielte Überprüfungen von Schadensfällen mit hohem Risiko sind sinnvoll, können jedoch nicht auf die gesamte Schadensgruppe übertragen werden. Die Einsätze ergeben sich aus den Überzahlungsvorschriften des Bundes, die vorschreiben, dass Überzahlungen innerhalb von 60 Tagen nach Feststellung gemeldet und zurückgezahlt werden müssen. CMS hat die Regel im Jahr 2024 aktualisiert, um eine begrenzte Pause innerhalb dieser Frist zu ermöglichen, während eine gutgläubige Untersuchung läuft. Ein KI-System, das Probleme aufdeckt, aber über keinen Prozess zu deren Lösung verfügt, kann mehr Aufmerksamkeit erzeugen als sie verringern.
Das Design auf Anwendungsebene bestimmt, ob KI tatsächliche Ergebnisse verbessert.
Eine gute Workflow-Integration führt zu Produktivitätssteigerungen, denen Benutzer vertrauen können.
Gut abgegrenzte Anwendungsfälle reduzieren die Änderungsmüdigkeit und das Implementierungsrisiko.
Zahler und staatliche Auftragnehmer nutzen bereits Datenanalysen, um Prüfungsziele auszuwählen, und Anbieter setzen ähnliche Tools ein, damit sie ihr Risiko zuerst erkennen können. Es ist davon auszugehen, dass die KI einen größeren Teil der Beweiserhebung und Erstprüfung übernehmen wird, wobei sich menschliche Prüfer auf Entscheidungen wie die klinische Validierung konzentrieren werden. Die Anforderungen an vertretbare Audits, einschließlich gültiger Stichproben, qualifizierter Prüfer und dokumentierter Methoden, werden sich aufgrund der Verbesserung der Software wahrscheinlich nicht lockern. Den größten Nutzen erzielen Unternehmen, wenn KI-Ergebnisse zu Korrekturmaßnahmen, Rückerstattungen, soweit geschuldet, und Schulungen der Anbieter führen.
Eine Ärztegruppe lässt jeden E/M-Antrag aus dem letzten Quartal auf Risiko bewerten. Anschließend ziehen die Prüfer eine Zufallsstichprobe aus den Ärzten mit dem höchsten Risiko und überprüfen diese Diagramme manuell.
Ein Krankenhaus führt NCCI-Prozedur-zu-Prozedur- und Medically-Unwahrscheinlich-Edit-Prüfungen anhand bereits bezahlter Ansprüche für ambulante Patienten erneut durch. Es werden Zeilen gefunden, in denen die abgerechneten Einheiten das Bearbeitungslimit überschritten haben.
Vor der Abrechnung markiert eine KI stationäre Fälle, bei denen eine schwerwiegende Komplikation auf einer einzigen Erwähnung eines akuten Atemversagens ohne unterstützende klinische Indikatoren beruht. Ein Spezialist für klinische Dokumentation prüft jeden Fall, bevor der Anspruch eingereicht wird.
Nachdem ein Medicare-Vertragspartner eine gezielte Probe- und Aufklärungsprüfung ankündigt, nutzt das Compliance-Team KI, um die angeforderten Aufzeichnungen zu sammeln und vor dem Versenden auf fehlende Unterschriften und Bestellungen zu prüfen.
Die Automatisierung eines fehlerhaften Prozesses kann bestehende Probleme verstärken.
Teams können zu stark automatisieren und das notwendige menschliche Urteilsvermögen verlieren.
Die Qualität kann schwanken, wenn die Ergebnisse nicht kontinuierlich bewertet werden.
Ordnen Sie den aktuellen Arbeitsablauf zu und identifizieren Sie den Schritt mit der höchsten Reibung.
Definieren Sie menschliche Kontrollpunkte vor der vollständigen Automatisierung.
Schulen Sie Benutzer in Bezug auf Eingabeaufforderungen, Eskalationspfade und Qualitätsstandards.
Verfolgen Sie Ergebnisse auf Aufgabenebene, um den nachhaltigen Wert zu bestätigen.
Free newsletter
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
KI für medizinische Kodierungsprüfungen verwendet Software, um Ansprüche nach Risiko zu ordnen, Codes mit Dokumentation und Kostenträgerregeln zu vergleichen und wahrscheinliche Fehler zur Bestätigung durch menschliche Prüfer zu kennzeichnen. Es hilft Anbietern, Über- und Unterzahlungen zu finden, bevor Zahler, Sanierungsaudit-Auftragnehmer oder das OIG dies tun. Das ist wichtig, denn sobald eine Überzahlung festgestellt wird, verlangen die Bundesvorschriften, dass diese innerhalb festgelegter Fristen gemeldet und zurückgezahlt wird.
KI-Flaggen sind Hinweise. Sie werden erst zu Feststellungen, wenn ein qualifizierter menschlicher Prüfer die Dokumentation überprüft und den Fehler bestätigt.
Für die Hochrechnung der Ergebnisse auf alle Schadensfälle ist eine statistisch valide Zufallsstichprobe erforderlich. Ansprüche, die aufgrund eines hohen Risikos ausgewählt wurden, würden die Fehlerquote in der gesamten Gruppe überbewerten.
RAT-STATS ist die kostenlose Statistiksoftware des OIG zum Entwerfen von Stichproben und zum Schätzen von Ergebnissen für eine größere Gruppe von Schadensfällen.
Durch medizinisch unwahrscheinliche Änderungen werden die maximalen Einheiten einer Leistung festgelegt, die normalerweise für einen Patienten an einem Datum gemeldet werden. Einheiten über diesem Grenzwert sind ein häufiges Audit-Ergebnis.
Nach bundesstaatlichen Vorschriften müssen festgestellte Überzahlungen gemeldet und zurückgezahlt werden, im Allgemeinen innerhalb von 60 Tagen, mit einer begrenzten Pause für eine gutgläubige Untersuchung. Probleme zu finden, ohne sie zu lösen, erhöht die Bekanntheit.
Lerne weiter
Weitere Leitfäden zu diesem Thema ausgewählt
Als nächstesNächster Leitfaden
KI für E/M-Level-Codierung
Anwendungen