VolgendeVolgende gids
AI in HCC-risicoaanpassingscodering
Industrieën
Gids voor de samenleving
AI-upcoding vindt plaats wanneer coderingssoftware, computerondersteunde coderingsengines of AI-documentatietools factuurcodes voorstellen of toewijzen voor een hoger serviceniveau of een grotere ernst dan het medische dossier ondersteunt.
Het is van belang omdat de aanbieder de claim indient, en niet de verkoper. Niet-ondersteunde codes die door een AI-tool worden geaccepteerd, kunnen te hoge betalingen worden en aansprakelijkheid creëren onder de federale False Claims Act.
Upcoding is niet nieuw, maar AI verandert de schaal ervan en de manier waarop het gebeurt. Een persoon die upcodeert, heeft invloed op de claims die hij of zij aanraakt. Een coderingsmodel dat neigt naar hogere codes heeft invloed op elke claim die het verwerkt. Dat leunen kan voortkomen uit training over historische factureringsgegevens die al upcoding bevatten, uit een product dat is gebouwd om de 'opbrengstenregistratie' te maximaliseren, of uit documentatiegewoonten die de tool overneemt, zoals gekloonde notities en lange probleemlijsten die naar voren zijn gekopieerd. Generatieve documentatietools voegen een tweede route toe. Een omgevingsschrijver kan een diagnose specifieker of ernstiger formuleren dan de arts bedoelde, en die bewoording bepaalt vervolgens de code. De juridische blootstelling komt grotendeels voort uit de False Claims Act. Volgens de wet kan het indienen van valse claims bij federale programma's zoals Medicare en Medicaid leiden tot drievoudige schadevergoeding plus een civielrechtelijke boete voor elke claim, en de boetebedragen worden aangepast aan de inflatie. Bewijs van opzet tot fraude is niet vereist. De wet definieert 'bewust' als opzettelijke onwetendheid en roekeloze veronachtzaming van de waarheid. Het massaal accepteren van AI-suggesties zonder enige beoordeling, of het negeren van de bevindingen van interne audits, kan aantoonbaar aan die norm voldoen. Dankzij de qui tam-bepalingen kunnen particuliere klokkenluiders, vaak programmeurs, auditors of voormalige werknemers, een aanklacht indienen en delen in eventuele terugvorderingen. Daarnaast vereist de federale wet dat providers binnen 60 dagen geïdentificeerde Medicare- en Medicaid-overbetalingen rapporteren en terugbetalen. Een audit die door AI aangestuurde fouten aan het licht brengt, schept dus een verplichting om terug te betalen. Er komen vaak drie misvattingen naar voren. De eerste is dat de verkoper het risico draagt. Een contract kan een schadevergoeding omvatten, maar de factureringsaanbieder certificeert de claim. De tweede is dat alles wat de AI heeft geschreven, geldt als documentatie. Codes moeten worden ondersteund door wat de behandelende arts heeft gedocumenteerd en waarmee hij heeft ingestemd. De derde is dat ondercodering de veilige keuze is. Systematische ondercodering is ook onnauwkeurige codering. Het doel is codes die overeenkomen met het record, en niet codes die in welke richting dan ook worden geduwd.
Catastrofale en alledaagse schade door AI hangt af van wie de risico's begrijpt en wie kan handelen.
Publieke en professionele geletterdheid bepalen of een krachtig veiligheidsbeleid politiek mogelijk is.
Duidelijke verklaringen verminderen de kans op hypes, laboratorium-PR en vaag ethisch theater.
Toezicht op algoritmegestuurde codering zal waarschijnlijk meer aandacht krijgen, omdat overheidsauditors al hebben onderzocht hoe diagnoses worden ingediend voor Medicare Advantage-risicoaanpassing en betalers hun eigen analyses gebruiken om uitschieters in de facturering te vinden. Organisaties kunnen vragen verwachten over hoe hun codeertools zijn gevalideerd, hoe suggesties worden beoordeeld en of deze zijn gecontroleerd op afwijkingen. Op bewijsmateriaal gebaseerde suggesties en regelmatige auditrapportage zullen waarschijnlijk basisverwachtingen worden in leverancierscontracten. Hoe toekomstige handhaving zal omgaan met AI-ondersteunde codering is nog steeds onzeker, dus gedocumenteerde beoordelingsprocessen zijn vandaag de dag het meest verdedigbare standpunt.
Een poliklinische E/M-suggestiemachine beveelt 99215 aan voor een vervolgbezoek, omdat deze elke vermelding in een doorgestuurde probleemlijst telt, ook al ondersteunt de medische besluitvorming die die dag werd gedocumenteerd slechts 99213.
Een omgevingsschrijver verandert de opmerking van een patiënt over buiten adem raken op de trap in 'acuut chronisch systolisch hartfalen' in de conceptnota. De arts ondertekent het zonder het te beoordelen, en de code voegt ernst toe die niets in het klinische dossier ondersteunt.
Een Medicare Advantage-kaartbeoordelingstool haalt diagnoses uit aantekeningen die jaren eerder zijn geschreven en stelt deze voor als huidige risicoaanpassingscodes, ook al blijkt uit de huidige ontmoeting geen bewijs dat de aandoening werd gecontroleerd, geëvalueerd, beoordeeld of behandeld.
Een complianceteam merkt dat één arts bijna 100 procent van de AI-codesuggesties accepteert en veel meer bezoeken op hoog niveau krijgt dan collega's in hetzelfde specialisme. Het geeft opdracht tot een gerichte audit achteraf, geeft vervolgens voorlichting en betaalt te veel betaalde bedragen terug.
Existentieel risico behandelen als sciencefiction, terwijl capaciteiten zich vermenigvuldigen.
De veiligheid van oppervlakteproducten verwarren met uitlijning onder hoge autonomie.
Hierdoor blijven niet-Engelstalige en niet-deskundige doelgroepen alleen bronnen van lage kwaliteit over.
Afzonderlijke risico's voor productschade, misbruik en verlies van controle/verkeerde uitlijning.
Vraag welk bewijs uw kijk op tijdlijnen en ernst zou veranderen.
Geef de voorkeur aan primaire bronnen en concrete evaluaties boven marketingclaims.
Identificeer één actiepad: carrière, beleid, financiering of vaardigheden – niet alleen bewustwording.
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
AI-upcoding vindt plaats wanneer coderingssoftware, computerondersteunde coderingsengines of AI-documentatietools factuurcodes voorstellen of toewijzen voor een hoger serviceniveau of een grotere ernst dan het medische dossier ondersteunt. Het is van belang omdat de aanbieder de claim indient, en niet de verkoper. Niet-ondersteunde codes die door een AI-tool worden geaccepteerd, kunnen te hoge betalingen worden en aansprakelijkheid creëren onder de federale False Claims Act.
Eén persoon heeft invloed op de claims die zij behandelen. Een model met een systematische lean herhaalt dezelfde fout op schaal bij elke claim die het raakt.
De wet definieert 'bewust' als opzettelijke onwetendheid en roekeloze minachting, dus het in bulk accepteren van AI-output zonder beoordeling kan tot blootstelling leiden.
Wat er ook in het contract staat, de aanbieder dient de claim in en bekrachtigt deze, zodat de aansprakelijkheid jegens de overheid begint bij de aanbieder.
Aanbieders moeten geïdentificeerde Medicare- en Medicaid-overbetalingen binnen 60 dagen rapporteren en retourneren, dus auditbevindingen creëren een terugbetalingsverplichting.
Het accepteren van bijna elke suggestie betekent meestal dat reviewers zijn gestopt met controleren, niet dat het model altijd gelijk heeft.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
AI in HCC-risicoaanpassingscodering
Industrieën