Alkalmazási ÚTMUTATÓ

AI orvosi kódolási auditokhoz

Az orvosi kódolási auditokhoz használt mesterséges intelligencia szoftvert használ a követelések kockázat szerinti rangsorolására, a kódok összehasonlítására a dokumentációval és a fizetőkre vonatkozó szabályokkal, és megjelöli a valószínű hibákat az emberi auditorok számára, hogy megerősítsék őket.

Hallgassa meg ezt az útmutatótAI-narrált · ~3 min

Ezen az oldalon4 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. Az AI jövője az orvosi kódolási auditokhoz
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Segít a szolgáltatóknak megtalálni a túl- és alulfizetéseket, mielőtt a fizetők, a helyreállítási audit vállalkozók vagy az OIG megtennék. Ez azért fontos, mert a túlfizetés azonosítása után a szövetségi szabályok előírják, hogy azt a meghatározott határidőn belül jelentsék és visszaküldjék.

Mély merülés

A kódolási auditnak két formája van. A leendő auditok a számlázás előtt áttekintik a követeléseket. A visszamenőleges ellenőrzések áttekintik a már kifizetett követeléseket. A belső és külső lektorok egyaránt elvégzik ezt a munkát. A külső ellenőrök közé tartozik a Medicare Administrative Contractors (MAC), amely Targeted Probe és Educate felülvizsgálatokat végez; Behajtási Audit Vállalkozók; Egységes Programintegritás Vállalkozók; A CMS átfogó hibaarány-tesztelő programja; a HHS Főfelügyelői Hivatala; valamint kereskedelmi és Medicare Advantage fizetők. Az OIG 2023 novemberében kiadott általános megfelelőségi program útmutatója a megfelelőségi program központi elemeként sorolja fel az auditálást és a monitoringot. Az AI három helyen segít. Először is, a kockázati pontozás választja ki, hol keressen. Összehasonlítja a kódelosztásokat a hasonlókkal, megjelöli a szokatlan módosítóhasználatot, és észreveszi a szerkesztési hibákat. Másodszor, az automatikus ellenőrzés összehasonlítja az egyes kódokat a dokumentációval és a fizető szabályokkal, például az NCCI-szerkesztésekkel, valamint a helyi és országos lefedettség meghatározásával. Ezt követően megállapítást készít az alátámasztó bizonyítékokkal együtt. Harmadszor, az eredmények beépülnek a jelentéskészítésbe és az oktatásba, szolgáltatók, kódok vagy hibatípusok szerint lebontva. A legfontosabb tévhit az, hogy a követelések 100 százalékának AI-val történő felülvizsgálata felváltja a statisztikai mintavételt. Nem. A mesterséges intelligencia jelzője vezetés, nem megállapítás, amíg egy minősített auditor meg nem erősíti. Ahhoz, hogy megbecsülje, mennyit ér egy túlfizetés a követelések egész csoportjában, dokumentált, statisztikailag érvényes mintavételi módszerre van szüksége. Az OIG ehhez ingyenes RAT-STATS szoftvert kínál. A magas kockázatú követelések célzott áttekintése hasznos, de nem vetíthető ki a teljes követeléscsoportra. A tét a túlfizetésre vonatkozó szövetségi szabályokból következik, amelyek előírják, hogy a túlfizetéseket az azonosítástól számított 60 napon belül jelenteni és vissza kell küldeni. A CMS 2024-ben frissítette a szabályt, hogy korlátozott szünetet tegyen lehetővé ebben a határidőben, amíg a jóhiszemű vizsgálat folyamatban van. Az a mesterséges intelligencia-rendszer, amely felszínre hozza a problémákat, de nincs megoldási folyamata, inkább expozíciót hozhat létre, nem pedig csökkentheti azt.

Valós megvalósítás

Egy orvoscsoportnak az utolsó negyedévben minden kockázatra vonatkozó E/M követelése MI-pontszámmal rendelkezik. Az auditorok ezután véletlenszerű mintát vesznek a legmagasabb kockázatú klinikusok közül, és kézzel áttekintik ezeket a diagramokat.

A kórház az NCCI eljárásról eljárásra hajtja végre, és az Orvosilag valószínűtlen Edit ellenőrzi a már kifizetett járóbeteg-igényeket. Megkeresi azokat a sorokat, ahol a számlázott egységek meghaladták a szerkesztési korlátot.

A számlázás előtt a mesterséges intelligencia megjelöli azokat a fekvőbeteg eseteket, amikor a súlyos szövődmény az akut légzési elégtelenség egyetlen említésén nyugszik, alátámasztó klinikai mutatók nélkül. Egy klinikai dokumentációs szakember minden esetet átvizsgál, mielőtt elküldené a panaszt.

Miután egy Medicare-vállalkozó meghirdeti a célzott vizsgálatot és oktatást, a megfelelőségi csapat mesterséges intelligencia segítségével összegyűjti a kért rekordokat, és ellenőrzi a hiányzó aláírásokat és utasításokat, mielőtt elküldené azokat.

Az AI jövője az orvosi kódolási auditokhoz

A fizetők és a kormányzati vállalkozók már adatelemzést használnak az ellenőrzési célok kiválasztásához, a szolgáltatók pedig hasonló eszközöket alkalmaznak, hogy először lássák a kockázatukat. Várható, hogy a mesterséges intelligencia többet foglalkozzon a bizonyítékgyűjtéssel és az első lépéses felülvizsgálattal, az emberi auditorok pedig az ítéletekre, például a klinikai validációra összpontosítanak. A védhető auditok követelményei, beleértve az érvényes mintavételt, a minősített ellenőröket és a dokumentált módszereket, valószínűleg nem lazulnak a szoftver fejlesztése miatt. A szervezetek akkor kapják a legtöbb értéket, ha a mesterséges intelligencia megállapításai korrekciós intézkedésekhez, a tartozás visszatérítéséhez és a szolgáltatók oktatásához vezetnek.

A gyakorlatba ültetés

Miért számít

  • Építési lehetőségek. Az alkalmazásszintű tervezés határozza meg, hogy az AI javítja-e a valós eredményeket.
  • Csapat és munkafolyamat. A jó munkafolyamat-integráció olyan termelékenységnövekedést eredményez, amelyben a felhasználók megbízhatnak.
  • Kockázat és biztonság. A jól körülhatárolt felhasználási esetek csökkentik a változtatások fáradtságát és a végrehajtás kockázatát.

Vigyázz

  • Egy megszakadt folyamat automatizálása felerősítheti a meglévő problémákat.
  • A csapatok túlautomatizálhatják és eltávolíthatják a szükséges emberi ítélőképességet.
  • A minőség sodródhat, ha a kimeneteket nem értékelik folyamatosan.

Következő lépések

  1. Térképezze fel az aktuális munkafolyamatot, és határozza meg a legnagyobb súrlódású lépést.
  2. Emberi ellenőrzőpontok meghatározása a teljes automatizálás előtt.
  3. Tanítsa meg a felhasználókat az utasításokról, az eszkalációs utakról és a minőségi szabványokról.
  4. Kövesse nyomon a feladat szintű eredményeket a tartós érték megerősítéséhez.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the AI for Medical Coding Audits quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az az AI az orvosi kódolási auditokhoz?

Az orvosi kódolási auditokhoz használt mesterséges intelligencia szoftvert használ a követelések kockázat szerinti rangsorolására, a kódok összehasonlítására a dokumentációval és a fizetőkre vonatkozó szabályokkal, és megjelöli a valószínű hibákat az emberi auditorok számára, hogy megerősítsék őket. Segít a szolgáltatóknak megtalálni a túl- és alulfizetéseket, mielőtt a fizetők, a helyreállítási audit vállalkozók vagy az OIG megtennék. Ez azért fontos, mert a túlfizetés azonosítása után a szövetségi szabályok előírják, hogy azt a meghatározott határidőn belül jelentsék és visszaküldjék.

Egy kórház mesterséges intelligenciája minden járóbeteg-igényt felülvizsgált, és 400 hibát jelölt meg. Mi ezeknek a zászlóknak az állapota?

Az AI zászlók vezetők. Csak azután válnak megállapításokká, hogy egy szakképzett könyvvizsgáló áttekinti a dokumentációt és megerősíti a hibát.

Miért nem használható a magas kockázatú követelések célzott felülvizsgálata az összes követelés túlfizetésének becslésére?

Az eredmények kivetítéséhez az összes állításra statisztikailag érvényes véletlenszerű mintára van szükség. A magas kockázatúnak választott állítások túlbecsülnék a hibaarányt az egész csoportban.

Milyen ingyenes eszközt kínál az OIG a statisztikai mintavételhez?

A RAT-STATS az OIG ingyenes statisztikai szoftvere a minták tervezésére és az eredmények becslésére a követelések nagyobb csoportjában.

A kórház átdolgozta az Orvosilag valószínűtlen szerkesztéseket a fizetett járóbeteg-igények alapján. Mit kerestek ezek a csekkek?

Az orvosilag valószínűtlen szerkesztések beállítják a szolgáltatás maximális mértékét, amelyet általában egy páciensre jelentenek egy napon. Az e határérték feletti egységek gyakori ellenőrzési megállapítások.

Miért növeli a túlfizetési szabály az AI auditálás tétjét?

A szövetségi szabályok előírják az azonosított túlfizetések bejelentését és visszaküldését, általában 60 napon belül, korlátozott szünettel a jóhiszemű vizsgálat érdekében. A problémák megoldása nélküli megtalálása növeli a kitettséget.