Applikasjonsveiledning
AI for medisinsk kodingsrevisjon
AI for medisinsk kodingsrevisjon bruker programvare for å rangere krav etter risiko, sammenligne koder mot dokumentasjon og betalerregler, og flagge sannsynlige feil som menneskelige revisorer kan bekrefte.
På denne siden4 min lesing
Oversikt
Det hjelper tilbydere å finne over- og underbetalinger før betalere, Recovery Audit Contractors eller OIG gjør det. Det betyr noe fordi når en overbetaling er identifisert, krever føderale regler at den rapporteres og returneres innen fastsatte frister.
Dypdykk
Koderevisjoner kommer i to former. Prospektive revisjoner vurderer krav før fakturering. Retrospektive revisjoner vurderer allerede betalte krav. Både interne og eksterne anmeldere gjør dette arbeidet. Eksterne anmeldere inkluderer Medicare Administrative Contractors (MACs), som kjører Targeted Probe og Educate anmeldelser; Recovery revisjonskontraktører; Unified Program Integrity Contractors; CMS sitt omfattende testprogram for feilrate; HHS-kontoret til generalinspektør; og kommersielle og Medicare Advantage-betalere. OIGs generelle overholdelsesprogramveiledning, utgitt i november 2023, viser revisjon og overvåking som et kjerneelement i et overholdelsesprogram. AI hjelper tre steder. Først risikerer du å score valg hvor du skal lete. Den sammenligner kodedistribusjoner med jevnaldrende, flagger uvanlig bruk av modifikasjoner og oppdager redigeringsbrudd. For det andre sammenligner automatisert gjennomgang hver kode med dokumentasjons- og betalerreglene, for eksempel NCCI-redigeringer og lokale og nasjonale dekningsbestemmelser. Deretter utarbeider den et funn med støttebeviset. For det tredje leverer resultatene inn i rapportering og utdanning, fordelt på leverandør, kode eller feiltype. Den viktigste misforståelsen er at gjennomgang av 100 prosent av påstandene med AI erstatter statistisk prøvetaking. Det gjør det ikke. Et AI-flagg er en ledetråd, ikke et funn, inntil en kvalifisert revisor bekrefter det. For å estimere hvor mye en overbetaling er verdt på tvers av en hel gruppe skader, trenger du en dokumentert, statistisk gyldig prøvetakingsmetode. OIG tilbyr gratis RAT-STATS-programvare for dette. Målrettede vurderinger av høyrisikokrav er nyttige, men de kan ikke projiseres på hele gruppen av skader. Innsatsene følger av føderale regler for overbetaling, som krever at overbetalinger rapporteres og returneres innen 60 dager etter at de er identifisert. CMS oppdaterte regelen i 2024 for å tillate en begrenset pause i denne fristen mens en etterforskning i god tro pågår. Et AI-system som dukker opp problemer, men som ikke har noen prosess for å løse dem, kan skape eksponering i stedet for å redusere den.
Strategisk innvirkning
Byggevalg
Design på applikasjonsnivå avgjør om AI forbedrer reelle resultater.
Team og arbeidsflyt
God arbeidsflytintegrasjon skaper produktivitetsgevinster som brukerne kan stole på.
Risiko og sikkerhet
Godt omfattende brukstilfeller reduserer endringstretthet og implementeringsrisiko.
Fremtiden til AI for medisinsk kodingsrevisjon
Betalere og offentlige kontraktører bruker allerede dataanalyse for å velge revisjonsmål, og leverandører tar i bruk lignende verktøy slik at de kan se risikoen først. Forvent at AI tar på seg mer av bevisinnsamlingen og førstegangsgjennomgangen, med menneskelige revisorer som fokuserer på vurderingsoppfordringer som klinisk validering. Kravene til forsvarlige revisjoner, inkludert gyldig prøvetaking, kvalifiserte anmeldere og dokumenterte metoder, vil neppe løsne fordi programvaren ble forbedret. Organisasjoner får mest verdi når AI-funn fører til korrigerende tiltak, refusjoner der de skylder, og leverandørutdanning.
Real-World Implementering
En legegruppe har AI-score for hvert E/M-krav fra siste kvartal for risiko. Revisorer trekker deretter et tilfeldig utvalg fra klinikerne med høyest risiko og gjennomgår disse diagrammene for hånd.
Et sykehus kjører NCCI-prosedyre-til-prosedyre på nytt og Medically Unlikely Edit kontrollerer mot allerede betalte polikliniske krav. Den finner linjer der fakturerte enheter overskred redigeringsgrensen.
Før fakturering, flagger en AI innlagte tilfeller der en større komplikasjon hviler på én omtale av akutt respirasjonssvikt uten støttende kliniske indikatorer. En spesialist i klinisk dokumentasjon gjennomgår hvert enkelt tilfelle før kravet sendes.
Etter at en Medicare-entreprenør kunngjør en målrettet Probe and Educate-gjennomgang, bruker compliance-teamet AI til å samle de forespurte postene og se etter manglende signaturer og bestillinger før de sendes.
Risikoer og rekkverk
Automatisering av en ødelagt prosess kan forsterke eksisterende problemer.
Lag kan overautomatisere og fjerne nødvendig menneskelig dømmekraft.
Kvaliteten kan avvike hvis resultater ikke evalueres kontinuerlig.
Veikart for implementering
Kartlegg gjeldende arbeidsflyt og identifiser trinnet med høyeste friksjon.
Definer menneskelige sjekkpunkter før full automatisering.
Lær brukere på meldinger, eskaleringsveier og kvalitetsstandarder.
Spor resultater på oppgavenivå for å bekrefte vedvarende verdi.
Fortsett å utforske
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
Ofte stilte spørsmål
Hva er AI for medisinsk kodingsrevisjon?
AI for medisinsk kodingsrevisjon bruker programvare for å rangere krav etter risiko, sammenligne koder mot dokumentasjon og betalerregler, og flagge sannsynlige feil som menneskelige revisorer kan bekrefte. Det hjelper tilbydere å finne over- og underbetalinger før betalere, Recovery Audit Contractors eller OIG gjør det. Det betyr noe fordi når en overbetaling er identifisert, krever føderale regler at den rapporteres og returneres innen fastsatte frister.
Et sykehuss AI gjennomgikk alle polikliniske krav og flagget 400 feil. Hva er statusen til disse flaggene?
AI-flagg er leads. De blir funn først etter at en kvalifisert menneskelig revisor har gjennomgått dokumentasjonen og bekreftet feilen.
Hvorfor kan ikke en målrettet gjennomgang av høyrisikokrav brukes til å estimere en overbetaling på tvers av alle krav?
Projisering av resultater på alle krav krever et statistisk gyldig tilfeldig utvalg. Påstander valgt for høy risiko vil overvurdere feilraten for hele gruppen.
Hvilket gratis verktøy tilbyr OIG for statistisk prøvetaking?
RAT-STATS er OIGs gratis statistiske programvare for utforming av prøver og estimering av resultater på tvers av en større gruppe krav.
Sykehuset gjenopprettet Medically Unlikely Edits på betalte polikliniske krav. Hva lette disse sjekkene etter?
Medisinsk usannsynlige endringer angir maksimale enheter for en tjeneste som normalt rapporteres for én pasient på én dato. Enheter over denne grensen er et vanlig revisjonsfunn.
Hvorfor øker overbetalingsregelen innsatsen for AI-revisjon?
Føderale regler krever at identifiserte overbetalinger rapporteres og returneres, vanligvis innen 60 dager, med en begrenset pause for etterforskning i god tro. Å finne problemer uten å løse dem øker eksponeringen.
Fortsett å lære
Relaterte guider
Flere guider valgt for dette emnet