SelanjutnyaPanduan berikutnya
AI untuk Pengkodean Tingkat E/M
Aplikasi
PANDUAN Aplikasi
AI untuk Audit Pengkodean Medis
AI untuk audit pengkodean medis menggunakan perangkat lunak untuk menentukan peringkat klaim berdasarkan risiko, membandingkan kode dengan dokumentasi dan aturan pembayar, dan menandai kemungkinan kesalahan untuk dikonfirmasi oleh auditor manusia.
Di halaman ini4 menit membaca
Ikhtisar
Ini membantu penyedia menemukan kelebihan pembayaran dan kekurangan pembayaran sebelum pembayar, Kontraktor Audit Pemulihan, atau OIG melakukannya. Hal ini penting karena setelah kelebihan pembayaran teridentifikasi, peraturan federal mengharuskannya dilaporkan dan dikembalikan dalam tenggat waktu yang ditentukan.
Menyelam Lebih Dalam
Audit pengkodean hadir dalam dua bentuk. Audit prospektif meninjau klaim sebelum penagihan. Audit retrospektif meninjau klaim yang telah dibayar. Baik pengulas internal maupun eksternal melakukan pekerjaan ini. Peninjau eksternal termasuk Kontraktor Administratif Medicare (MAC), yang menjalankan tinjauan Target Probe dan Educate; Kontraktor Audit Pemulihan; Kontraktor Integritas Program Terpadu; Program Pengujian Tingkat Kesalahan Komprehensif CMS; Kantor Inspektur Jenderal HHS; dan pembayar komersial dan Medicare Advantage. Panduan Umum Program Kepatuhan OIG, yang dirilis pada November 2023, mencantumkan audit dan pemantauan sebagai elemen inti program kepatuhan. AI membantu di tiga tempat. Pertama, penilaian risiko memilih di mana mencarinya. Ini membandingkan distribusi kode dengan rekan-rekannya, menandai penggunaan pengubah yang tidak biasa dan menemukan pelanggaran pengeditan. Kedua, tinjauan otomatis membandingkan setiap kode dengan dokumentasi dan peraturan pembayar, seperti pengeditan NCCI dan penentuan cakupan lokal dan nasional. Kemudian menyusun temuan dengan bukti pendukung. Ketiga, hasilnya dimasukkan ke dalam pelaporan dan pendidikan, yang dikelompokkan berdasarkan penyedia, kode, atau jenis kesalahan. Kesalahpahaman yang paling penting adalah bahwa peninjauan 100 persen klaim dengan AI menggantikan pengambilan sampel statistik. Tidak. Tanda AI hanyalah petunjuk, bukan temuan, sampai auditor yang berkualifikasi mengonfirmasinya. Untuk memperkirakan berapa nilai kelebihan pembayaran di seluruh kelompok klaim, Anda memerlukan metode pengambilan sampel yang terdokumentasi dan valid secara statistik. OIG menawarkan perangkat lunak RAT-STATS gratis untuk ini. Tinjauan yang ditargetkan terhadap klaim berisiko tinggi memang berguna, namun tinjauan tersebut tidak dapat diproyeksikan ke seluruh kelompok klaim. Taruhannya mengikuti aturan kelebihan pembayaran federal, yang mengharuskan kelebihan pembayaran dilaporkan dan dikembalikan dalam waktu 60 hari setelah diidentifikasi. CMS memperbarui aturan tersebut pada tahun 2024 untuk memungkinkan jeda terbatas dalam tenggat waktu tersebut sementara penyelidikan dengan niat baik sedang berlangsung. Sistem AI yang memunculkan masalah namun tidak memiliki proses untuk menyelesaikannya justru akan menciptakan keterpaparan, bukan menguranginya.
Dampak Strategis
Pilihan Build
Desain tingkat aplikasi menentukan apakah AI meningkatkan hasil nyata.
Tim dan alur kerja
Integrasi alur kerja yang baik menciptakan peningkatan produktivitas yang dapat dipercaya oleh pengguna.
Risiko dan keselamatan
Kasus penggunaan yang tercakup dengan baik mengurangi kelelahan perubahan dan risiko implementasi.
Masa Depan AI untuk Audit Pengkodean Medis
Pembayar dan kontraktor pemerintah sudah menggunakan analisis data untuk memilih target audit, dan penyedia layanan juga mengadopsi alat serupa sehingga mereka dapat melihat risikonya terlebih dahulu. Harapkan AI untuk mengambil lebih banyak pengumpulan bukti dan tinjauan pertama, dengan auditor manusia berfokus pada keputusan penilaian seperti validasi klinis. Persyaratan untuk audit yang dapat dipertahankan, termasuk pengambilan sampel yang valid, peninjau yang berkualifikasi, dan metode yang terdokumentasi, kemungkinan besar tidak akan dilonggarkan karena perangkat lunaknya ditingkatkan. Organisasi mendapatkan manfaat terbesar ketika temuan AI mengarah pada tindakan perbaikan, pengembalian dana yang terhutang, dan pendidikan penyedia layanan.
Implementasi Dunia Nyata
Sebuah kelompok dokter mempunyai skor AI untuk setiap klaim E/M dari kuartal terakhir untuk risiko. Auditor kemudian mengambil sampel acak dari dokter dengan risiko tertinggi dan meninjau grafik tersebut dengan tangan.
Sebuah rumah sakit menjalankan kembali prosedur NCCI dari satu prosedur ke prosedur lainnya dan pemeriksaan Edit yang Tidak Mungkin Secara Medis terhadap klaim rawat jalan yang sudah dibayar. Ia menemukan baris di mana unit yang ditagih melebihi batas edit.
Sebelum ditagih, AI menandai kasus rawat inap yang komplikasi utamanya hanya disebabkan oleh gagal napas akut tanpa indikator klinis pendukung. Seorang spesialis dokumentasi klinis meninjau setiap kasus sebelum klaim dikirim.
Setelah kontraktor Medicare mengumumkan tinjauan Probe dan Edukasi yang Ditargetkan, tim kepatuhan menggunakan AI untuk mengumpulkan catatan yang diminta dan memeriksa tanda tangan dan perintah yang hilang sebelum mengirimkannya.
Risiko & Pagar Pembatas
Mengotomatiskan proses yang rusak dapat memperburuk masalah yang ada.
Tim mungkin terlalu mengotomatiskan dan menghilangkan penilaian manusia yang diperlukan.
Kualitas dapat menurun jika keluaran tidak dievaluasi secara terus menerus.
Peta Jalan Implementasi
Petakan alur kerja saat ini dan identifikasi langkah dengan gesekan tertinggi.
Tentukan pos pemeriksaan manusia sebelum otomatisasi penuh.
Latih pengguna tentang petunjuk, jalur eskalasi, dan standar kualitas.
Lacak hasil tingkat tugas untuk memastikan nilai berkelanjutan.
Terus Menjelajah
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 for Medical Coding Audits quiz
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
Pertanyaan yang sering diajukan
Apa itu AI untuk Audit Pengkodean Medis?
AI untuk audit pengkodean medis menggunakan perangkat lunak untuk menentukan peringkat klaim berdasarkan risiko, membandingkan kode dengan dokumentasi dan aturan pembayar, dan menandai kemungkinan kesalahan untuk dikonfirmasi oleh auditor manusia. Ini membantu penyedia menemukan kelebihan pembayaran dan kekurangan pembayaran sebelum pembayar, Kontraktor Audit Pemulihan, atau OIG melakukannya. Hal ini penting karena setelah kelebihan pembayaran teridentifikasi, peraturan federal mengharuskannya dilaporkan dan dikembalikan dalam tenggat waktu yang ditentukan.
AI rumah sakit meninjau setiap klaim rawat jalan dan menandai 400 kesalahan. Apa status bendera tersebut?
Bendera AI adalah petunjuk. Temuan tersebut hanya dapat diperoleh setelah auditor manusia yang berkualifikasi meninjau dokumentasi dan memastikan kesalahannya.
Mengapa tinjauan yang ditargetkan terhadap klaim berisiko tinggi tidak dapat digunakan untuk memperkirakan kelebihan pembayaran seluruh klaim?
Memproyeksikan hasil ke seluruh klaim memerlukan sampel acak yang valid secara statistik. Klaim yang dipilih untuk risiko tinggi akan melebih-lebihkan tingkat kesalahan di seluruh kelompok.
Alat gratis apa yang ditawarkan OIG untuk pengambilan sampel statistik?
RAT-STATS adalah perangkat lunak statistik gratis dari OIG untuk merancang sampel dan memperkirakan hasil pada kelompok klaim yang lebih besar.
Rumah sakit memutar ulang Pengeditan yang Tidak Mungkin Secara Medis pada klaim rawat jalan berbayar. Apa yang dicari cek itu?
Pengeditan yang Tidak Mungkin Secara Medis menetapkan unit maksimum layanan yang biasanya dilaporkan untuk satu pasien pada satu tanggal. Unit di atas batas tersebut merupakan temuan audit yang umum.
Mengapa aturan kelebihan pembayaran meningkatkan risiko audit AI?
Peraturan federal mewajibkan kelebihan pembayaran yang teridentifikasi untuk dilaporkan dan dikembalikan, umumnya dalam waktu 60 hari, dengan jeda terbatas untuk penyelidikan dengan itikad baik. Menemukan masalah tanpa menyelesaikannya akan meningkatkan keterpaparan.
Teruslah belajar
Panduan terkait
Panduan lainnya dipilih untuk topik ini