개요
이는 서비스 제공자가 지불인, 복구 감사 계약자 또는 OIG보다 먼저 초과 지불 및 과소 지불을 찾는 데 도움이 됩니다. 초과지불이 확인되면 연방 규정에 따라 정해진 기한 내에 이를 보고하고 반환해야 하기 때문에 이는 중요합니다.
심층 분석
코딩 감사는 두 가지 형태로 제공됩니다. 향후 감사에서는 청구 전에 청구를 검토합니다. 소급 감사에서는 이미 지급된 청구를 검토합니다. 내부 및 외부 검토자가 모두 이 작업을 수행합니다. 외부 검토자에는 Targeted Probe 및 Educate 검토를 실행하는 Medicare 행정 계약자(MAC)가 포함됩니다. 복구 감사 계약자; 통합 프로그램 무결성 계약자; CMS의 종합적인 오류율 테스트 프로그램; HHS 감찰관실; 상업 및 Medicare Advantage 납부자. 2023년 11월에 발표된 OIG의 일반 규정 준수 프로그램 지침에는 감사 및 모니터링이 규정 준수 프로그램의 핵심 요소로 나열되어 있습니다. AI는 세 가지 부분에서 도움을 줍니다. 첫째, 위험 채점에서는 살펴볼 위치를 선택합니다. 코드 배포를 동료와 비교하고, 비정상적인 수정자 사용을 표시하고, 편집 위반을 발견합니다. 둘째, 자동화된 검토는 각 코드를 NCCI 편집 및 지역 및 국가 적용 범위 결정과 같은 문서 및 지불인 규칙과 비교합니다. 그런 다음 뒷받침하는 증거를 바탕으로 결과 초안을 작성합니다. 셋째, 결과는 제공자, 코드 또는 오류 유형별로 분류되어 보고 및 교육에 반영됩니다. 가장 중요한 오해는 AI로 청구를 100% 검토하는 것이 통계적 샘플링을 대체한다는 것입니다. 그렇지 않습니다. AI 플래그는 자격을 갖춘 감사자가 이를 확인할 때까지 결과가 아닌 단서입니다. 전체 청구 그룹에 걸쳐 초과 지급액의 가치를 추정하려면 문서화되고 통계적으로 유효한 샘플링 방법이 필요합니다. OIG는 이를 위해 무료 RAT-STATS 소프트웨어를 제공합니다. 고위험 청구에 대한 표적화된 검토는 유용하지만 전체 청구 그룹에 대해 예측할 수는 없습니다. 이 지분은 연방 초과지불 규정을 따르며, 초과지불은 확인 후 60일 이내에 보고 및 반환되어야 합니다. CMS는 선의의 조사가 진행되는 동안 해당 마감일에 제한적인 일시 중지를 허용하도록 2024년에 규칙을 업데이트했습니다. 문제를 표면화하지만 해결 프로세스가 없는 AI 시스템은 문제를 줄이기보다는 노출을 생성할 수 있습니다.
전략적 영향
빌드 선택
애플리케이션 수준 설계는 AI가 실제 결과를 개선하는지 여부를 결정합니다.
팀과 워크플로우
훌륭한 워크플로우 통합은 사용자가 신뢰할 수 있는 생산성 향상을 가져옵니다.
위험과 안전
범위가 적절한 사용 사례는 변경 피로도와 구현 위험을 줄여줍니다.
의료 코딩 감사를 위한 AI의 미래
지불인과 정부 계약자는 이미 데이터 분석을 사용하여 감사 대상을 선택하고 있으며, 공급자는 위험을 먼저 확인할 수 있도록 유사한 도구를 채택하고 있습니다. AI가 더 많은 증거 수집 및 1차 통과 검토를 담당하고, 인간 감사자는 임상 검증과 같은 판단 요청에 중점을 둘 것으로 기대합니다. 유효한 샘플링, 자격을 갖춘 검토자 및 문서화된 방법을 포함한 방어 가능한 감사에 대한 요구 사항은 소프트웨어가 개선되었기 때문에 완화될 가능성이 없습니다. AI 조사 결과가 시정 조치, 빚진 부분에 대한 환불, 공급자 교육으로 이어질 때 조직은 가장 큰 가치를 얻습니다.
실제 구현
의사 그룹은 위험에 대한 지난 분기의 모든 E/M 청구마다 AI 점수를 가지고 있습니다. 그런 다음 감사관은 위험도가 가장 높은 임상의로부터 무작위 샘플을 뽑아 해당 차트를 직접 검토합니다.
병원은 이미 지불된 외래 환자 청구에 대해 NCCI 시술 간 및 의학적으로 가능성이 없는 편집 확인을 다시 실행합니다. 청구 단위가 편집 한도를 초과한 행을 찾습니다.
청구하기 전에 AI는 뒷받침할 임상 지표가 없는 급성 호흡 부전이 언급된 주요 합병증이 있는 입원 환자 사례를 표시합니다. 임상 문서 전문가는 청구가 전송되기 전에 각 사례를 검토합니다.
Medicare 계약자가 대상 조사 및 교육 검토를 발표한 후 규정 준수 팀은 AI를 사용하여 요청한 기록을 수집하고 누락된 서명 및 주문이 있는지 확인한 후 전송합니다.
위험 및 가드레일
손상된 프로세스를 자동화하면 기존 문제가 증폭될 수 있습니다.
팀은 필요한 인간 판단을 과도하게 자동화하고 제거할 수 있습니다.
출력을 지속적으로 평가하지 않으면 품질이 달라질 수 있습니다.
구현 로드맵
현재 워크플로를 매핑하고 마찰이 가장 큰 단계를 식별합니다.
완전 자동화 전에 휴먼 체크포인트를 정의하세요.
프롬프트, 에스컬레이션 경로, 품질 표준에 대해 사용자를 교육합니다.
작업 수준 결과를 추적하여 지속적인 가치를 확인하세요.
계속 탐색하세요
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
자주 묻는 질문
의료 코딩 감사를 위한 AI란 무엇입니까?
의료 코딩 감사를 위한 AI는 소프트웨어를 사용하여 위험별로 청구 순위를 매기고 문서 및 지불인 규칙과 코드를 비교하며 인간 감사자가 확인할 수 있는 오류를 표시합니다. 이는 서비스 제공자가 지불인, 복구 감사 계약자 또는 OIG보다 먼저 초과 지불 및 과소 지불을 찾는 데 도움이 됩니다. 초과지불이 확인되면 연방 규정에 따라 정해진 기한 내에 이를 보고하고 반환해야 하기 때문에 이는 중요합니다.
한 병원의 AI는 모든 외래환자 청구를 검토하고 400개의 오류를 표시했습니다. 해당 플래그의 상태는 어떻습니까?
AI 플래그는 리드입니다. 자격을 갖춘 감사자가 문서를 검토하고 오류를 확인한 후에만 결과가 됩니다.
고위험 청구에 대한 표적화된 검토를 사용하여 모든 청구에 대한 초과 지급을 추정할 수 없는 이유는 무엇입니까?
모든 청구에 결과를 투영하려면 통계적으로 유효한 무작위 표본이 필요합니다. 위험도가 높다고 선택한 주장은 전체 그룹에 걸쳐 오류율을 과대평가하게 됩니다.
OIG는 통계 샘플링을 위해 어떤 무료 도구를 제공합니까?
RAT-STATS는 샘플을 디자인하고 대규모 청구 그룹에 대한 결과를 추정하기 위한 OIG의 무료 통계 소프트웨어입니다.
병원은 유료 외래환자 청구에 대해 의학적으로 가능성이 없는 편집을 다시 실행했습니다. 그 수표는 무엇을 찾고 있었나요?
의학적으로 가능성이 없는 편집은 특정 날짜에 한 명의 환자에 대해 일반적으로 보고되는 서비스의 최대 단위를 설정합니다. 해당 한도를 초과하는 단위는 일반적인 감사 결과입니다.
초과 지불 규칙이 AI 감사의 위험을 높이는 이유는 무엇입니까?
연방 규정에 따르면 확인된 초과 지급액은 일반적으로 60일 이내에 보고 및 반환되어야 하며 선의의 조사를 위해 제한적인 일시 중지가 필요합니다. 문제를 해결하지 않고 발견하면 노출이 늘어납니다.
계속 학습하세요
관련 가이드
이 주제에 대해 선택된 추가 가이드