GUIDE DE LA SOCIÉTÉ

Risques de mise à niveau de l’IA et de conformité au codage

Le codage par l'IA se produit lorsqu'un logiciel de codage, des moteurs de codage assistés par ordinateur ou des outils de documentation d'IA suggèrent ou attribuent des codes de facturation pour un niveau de service plus élevé ou une gravité plus grande que ce que prend en charge le dossier médical.

  • 4 minutes de lecture
  • Dernière mise à jour
Sur cette page4 minutes de lecture
  1. Aperçu
  2. Plongée profonde
  3. Impact stratégique
  4. L’avenir du codage de l’IA et des risques liés à la conformité du codage
  5. Mise en œuvre dans le monde réel
  6. Risques et garde-fous
  7. Feuille de route de mise en œuvre
  8. Continuez à explorer
  9. Questions fréquemment posées

Aperçu

C'est important parce que c'est le fournisseur qui soumet la réclamation, et non le vendeur, donc les codes non pris en charge acceptés par un outil d'IA peuvent devenir des trop-payés et créer une responsabilité en vertu de la loi fédérale sur les fausses réclamations.

Plongée profonde

L'upcoding n'est pas nouveau, mais l'IA change son échelle et la manière dont cela se produit. Une personne qui upcode affecte les revendications qu'elle touche. Un modèle de codage qui s’oriente vers des codes plus élevés affecte chaque réclamation qu’il traite. Cette approche peut provenir d'une formation sur les données de facturation historiques contenant déjà un codage ultérieur, d'un produit conçu pour maximiser la « capture des revenus », ou des habitudes de documentation adoptées par l'outil, telles que des notes clonées et de longues listes de problèmes copiées. Les outils de documentation générative ajoutent une deuxième voie. Un scribe ambiant peut formuler un diagnostic de manière plus spécifique ou plus sévère que ce que le clinicien voulait dire, et cette formulation détermine ensuite le code. L’exposition juridique provient principalement du False Claims Act. En vertu de la loi, la soumission de fausses réclamations à des programmes fédéraux tels que Medicare et Medicaid peut entraîner des dommages triples plus une pénalité civile pour chaque réclamation, et les montants des pénalités sont ajustés en fonction de l'inflation. La preuve de l’intention de frauder n’est pas requise. La Loi définit « sciemment » comme incluant l'ignorance délibérée et le mépris inconsidéré de la vérité. Accepter en masse les suggestions de l’IA sans examen, ou ignorer les conclusions de l’audit interne, peut sans doute répondre à cette norme. Les dispositions qui tam permettent aux lanceurs d'alerte privés, souvent des codeurs, des auditeurs ou d'anciens employés, d'intenter une action en justice et de participer à toute récupération. Par ailleurs, la loi fédérale exige que les prestataires déclarent et restituent les trop-payés identifiés de Medicare et Medicaid dans les 60 jours, de sorte qu'un audit qui révèle des erreurs provoquées par l'IA crée une obligation de remboursement. Trois idées fausses reviennent souvent. La première est que le vendeur assume le risque. Un contrat peut inclure une indemnisation, mais le fournisseur de facturation certifie la réclamation. La seconde est que tout ce que l’IA a écrit compte comme documentation. Les codes doivent être appuyés par ce que le clinicien traitant a documenté et accepté. La troisième est que le sous-codage est le choix le plus sûr. Un sous-codage systématique est également un codage inexact. L’objectif est d’obtenir des codes qui correspondent à l’enregistrement, et non des codes poussés dans un sens ou dans l’autre.

Impact stratégique

Risques et sécurité

Les dommages catastrophiques et quotidiens causés par l’IA dépendent tous deux de la personne qui comprend les risques et qui peut agir.

Décisions plus claires

Les connaissances du public et des professionnels déterminent si une politique de sécurité forte est politiquement possible.

Passer à travers le battage médiatique

Des explications claires réduisent la capture par le battage médiatique, les relations publiques en laboratoire et le théâtre d'éthique vague.

L’avenir du codage de l’IA et des risques liés à la conformité du codage

La surveillance du codage basé sur des algorithmes fera probablement l'objet d'une plus grande attention, puisque les auditeurs gouvernementaux ont déjà examiné la manière dont les diagnostics sont soumis pour l'ajustement des risques de Medicare Advantage et que les payeurs utilisent leurs propres analyses pour trouver les valeurs aberrantes de facturation. Les organisations peuvent s'attendre à des questions sur la manière dont leurs outils de codage ont été validés, sur la manière dont les suggestions sont examinées et si elles ont surveillé les dérives. Les suggestions fondées sur des preuves et les rapports d'audit réguliers deviendront probablement des attentes de base dans les contrats avec les fournisseurs. La manière dont l’application future traitera le codage assisté par l’IA reste incertaine, c’est pourquoi les processus de révision documentés constituent aujourd’hui la position la plus défendable.

Mise en œuvre dans le monde réel

Un moteur de suggestion E/M ambulatoire recommande 99215 pour une visite de suivi, car il compte chaque entrée dans une liste de problèmes copiée, même si la prise de décision médicale documentée ce jour-là ne prend en charge que 99213.

Un scribe ambiant transforme le commentaire d'un patient sur l'essoufflement dans les escaliers en « insuffisance cardiaque systolique aiguë ou chronique » dans le projet de note. Le médecin le signe sans l’examiner, et le code ajoute une gravité que rien dans le dossier clinique ne supporte.

Un outil d'examen des dossiers Medicare Advantage extrait les diagnostics de notes écrites des années plus tôt et les propose comme codes d'ajustement des risques actuels, même si la rencontre actuelle ne montre aucune preuve que la maladie a été surveillée, évaluée, évaluée ou traitée.

Une équipe de conformité remarque qu'un médecin accepte près de 100 % des suggestions de codes d'IA et reçoit beaucoup plus de visites de haut niveau que ses pairs de la même spécialité. Il ordonne un audit rétrospectif ciblé, puis fournit une éducation et rembourse les trop-payés.

Risques et garde-fous

  • Traiter le risque existentiel comme de la science-fiction alors que les capacités s’accroissent.

  • Confondre sécurité des produits de surface et alignement sous haute autonomie.

  • Laisser le public non anglophone et non expert avec uniquement des sources de mauvaise qualité.

Feuille de route de mise en œuvre

  1. Séparez les dommages causés aux produits, leur mauvaise utilisation et les risques de perte de contrôle/désalignement.

  2. Demandez quelles preuves pourraient changer votre point de vue sur les délais et la gravité.

  3. Préférez les sources primaires et les évaluations concrètes aux allégations marketing.

  4. Identifiez une voie d’action : carrière, politique, financement ou compétences – et pas seulement la sensibilisation.

Continuez à explorer

Free newsletter

Get the daily AI briefing

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

Take the AI Upcoding and Coding Compliance Risks quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

Démarrer le quiz

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

Questions fréquemment posées

Que sont les risques de mise à niveau et de conformité du codage de l’IA ?

Le codage par l'IA se produit lorsqu'un logiciel de codage, des moteurs de codage assistés par ordinateur ou des outils de documentation d'IA suggèrent ou attribuent des codes de facturation pour un niveau de service plus élevé ou une gravité plus grande que ce que prend en charge le dossier médical. C'est important parce que c'est le fournisseur qui soumet la réclamation, et non le vendeur, donc les codes non pris en charge acceptés par un outil d'IA peuvent devenir des trop-payés et créer une responsabilité en vertu de la loi fédérale sur les fausses réclamations.

Pourquoi un modèle de codage d’IA biaisé peut-il causer plus de dommages à la conformité qu’une seule personne qui procède au codage ?

Une personne affecte les réclamations qu’elle traite. Un modèle avec une approche systématique répète la même erreur à grande échelle pour chaque réclamation qu’il touche.

En vertu du False Claims Act, quel état d’esprit peut engager la responsabilité d’un prestataire même sans intention de frauder ?

La loi définit « sciemment » comme incluant l'ignorance délibérée et le mépris inconsidéré, de sorte qu'accepter en masse les résultats de l'IA sans examen peut créer une exposition.

Le contrat d'un hôpital stipule que le fournisseur de codage l'indemnisera. Pourquoi l’hôpital est-il toujours exposé si les codes suggérés par l’IA ne sont pas pris en charge ?

Quoi que dit le contrat, le fournisseur soumet et certifie la réclamation, de sorte que la responsabilité envers le gouvernement commence par le fournisseur.

Après qu’un audit interne a révélé que les codes acceptés par l’IA ont conduit à des trop-payés de Medicare, qu’exige la loi fédérale ?

Les prestataires doivent signaler et restituer les trop-payés identifiés par Medicare et Medicaid dans les 60 jours, de sorte que les conclusions de l'audit créent une obligation de remboursement.

Quel signe d’avertissement le guide associe-t-il au biais d’automatisation ?

Accepter presque toutes les suggestions signifie généralement que les évaluateurs ont arrêté de vérifier, mais pas que le modèle soit toujours correct.