A seguirPróximo guia
IA para codificação de nível E/M
Aplicativos
GUIA de aplicações
IA para auditorias de codificação médica
A IA para auditorias de codificação médica usa software para classificar as reivindicações por risco, comparar os códigos com a documentação e as regras do pagador e sinalizar erros prováveis para os auditores humanos confirmarem.
Nesta página4 minutos de leitura
Visão geral
Ajuda os provedores a encontrar pagamentos indevidos e insuficientes antes que os pagadores, os empreiteiros de auditoria de recuperação ou o EIG o façam. Isso é importante porque, uma vez identificado um pagamento a maior, as regras federais exigem que ele seja comunicado e devolvido dentro dos prazos estabelecidos.
Mergulho profundo
As auditorias de codificação vêm em duas formas. Auditorias prospectivas analisam as reivindicações antes do faturamento. Auditorias retrospectivas analisam sinistros já pagos. Tanto os revisores internos quanto os externos fazem esse trabalho. Os revisores externos incluem Medicare Administrative Contractors (MACs), que executam análises Targeted Probe and Educate; Empreiteiros de Auditoria de Recuperação; Contratantes de integridade do programa unificado; Programa abrangente de testes de taxa de erros do CMS; o Gabinete do Inspetor Geral do HHS; e pagadores comerciais e do Medicare Advantage. As Orientações Gerais do Programa de Conformidade do EIG, publicadas em novembro de 2023, listam a auditoria e o monitoramento como elementos centrais de um programa de conformidade. A IA ajuda em três lugares. Primeiro, a pontuação de risco escolhe onde procurar. Ele compara distribuições de código com pares, sinaliza o uso incomum de modificadores e detecta violações de edição. Em segundo lugar, a revisão automatizada compara cada código com a documentação e as regras do pagador, como as edições do NCCI e as determinações de cobertura local e nacional. Em seguida, elabora uma conclusão com as evidências de apoio. Terceiro, os resultados são incluídos nos relatórios e na educação, discriminados por fornecedor, código ou tipo de erro. O equívoco mais importante é que a revisão de 100% dos sinistros com IA substitui a amostragem estatística. Isso não acontece. Um sinalizador de IA é uma pista, não uma descoberta, até que um auditor qualificado a confirme. Para estimar quanto vale um pagamento a maior em todo um grupo de sinistros, você precisa de um método de amostragem documentado e estatisticamente válido. O OIG oferece software RAT-STATS gratuito para isso. As análises específicas de sinistros de alto risco são úteis, mas não podem ser projetadas em todo o grupo de sinistros. As apostas decorrem das regras federais sobre pagamentos indevidos, que exigem que os pagamentos indevidos sejam relatados e devolvidos no prazo de 60 dias após serem identificados. O CMS atualizou a regra em 2024 para permitir uma pausa limitada nesse prazo enquanto uma investigação de boa-fé está em andamento. Um sistema de IA que revela problemas, mas não possui um processo para resolvê-los, pode criar exposição em vez de reduzi-la.
Impacto Estratégico
Escolhas de construção
O design em nível de aplicação determina se a IA melhora os resultados reais.
Equipe e fluxo de trabalho
Uma boa integração do fluxo de trabalho cria ganhos de produtividade nos quais os usuários podem confiar.
Risco e segurança
Casos de uso bem definidos reduzem a fadiga da mudança e o risco de implementação.
O futuro da IA para auditorias de codificação médica
Os pagadores e os prestadores de serviços governamentais já utilizam a análise de dados para escolher os alvos de auditoria, e os prestadores estão a adoptar ferramentas semelhantes para que possam ver primeiro o seu risco. Espere que a IA assuma mais a recolha de provas e a revisão inicial, com os auditores humanos a concentrarem-se em decisões de julgamento, como a validação clínica. É pouco provável que os requisitos para auditorias defensáveis, incluindo amostragem válida, revisores qualificados e métodos documentados, sejam reduzidos porque o software melhorou. As organizações obtêm o máximo valor quando as descobertas da IA levam a ações corretivas, reembolsos devidos e educação do fornecedor.
Implementação no mundo real
Um grupo de médicos tem pontuação AI em cada reclamação E/M do último trimestre quanto ao risco. Os auditores então extraem uma amostra aleatória dos médicos de maior risco e revisam esses gráficos manualmente.
Um hospital executa novamente as verificações do NCCI procedimento a procedimento e da Edição Medicamente Improvável em relação a solicitações ambulatoriais já pagas. Encontra linhas onde as unidades faturadas excederam o limite de edição.
Antes da faturação, uma IA sinaliza casos de pacientes internados em que uma complicação grave se baseia numa menção de insuficiência respiratória aguda sem indicadores clínicos de apoio. Um especialista em documentação clínica analisa cada caso antes do envio da reclamação.
Depois que um contratante do Medicare anuncia uma revisão Targeted Probe and Educate, a equipe de conformidade usa IA para coletar os registros solicitados e verificar a falta de assinaturas e pedidos antes de enviá-los.
Riscos e guarda-corpos
Automatizar um processo interrompido pode amplificar os problemas existentes.
As equipes podem automatizar demais e remover o julgamento humano necessário.
A qualidade pode variar se os resultados não forem avaliados continuamente.
Roteiro de implementação
Mapeie o fluxo de trabalho atual e identifique a etapa de maior atrito.
Defina pontos de verificação humanos antes da automação completa.
Treine os usuários sobre solicitações, caminhos de escalonamento e padrões de qualidade.
Acompanhe os resultados no nível da tarefa para confirmar o valor sustentado.
Continue explorando
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
Perguntas frequentes
O que é IA para auditorias de codificação médica?
A IA para auditorias de codificação médica usa software para classificar as reivindicações por risco, comparar os códigos com a documentação e as regras do pagador e sinalizar erros prováveis para os auditores humanos confirmarem. Ajuda os provedores a encontrar pagamentos indevidos e insuficientes antes que os pagadores, os empreiteiros de auditoria de recuperação ou o EIG o façam. Isso é importante porque, uma vez identificado um pagamento a maior, as regras federais exigem que ele seja comunicado e devolvido dentro dos prazos estabelecidos.
A IA de um hospital revisou todas as reclamações de pacientes ambulatoriais e sinalizou 400 erros. Qual é o status dessas bandeiras?
Sinalizadores de IA são leads. Eles se tornam descobertas somente depois que um auditor humano qualificado analisa a documentação e confirma o erro.
Por que uma análise direcionada de sinistros de alto risco não pode ser usada para estimar um pagamento indevido em todos os sinistros?
Projetar resultados em todas as reivindicações requer uma amostra aleatória estatisticamente válida. As reivindicações escolhidas por serem de alto risco exagerariam a taxa de erro em todo o grupo.
Que ferramenta gratuita o EIG oferece para amostragem estatística?
RAT-STATS é o software estatístico gratuito do OIG para projetar amostras e estimar resultados em um grupo maior de reivindicações.
O hospital reexecutou edições clinicamente improváveis em solicitações ambulatoriais pagas. O que esses cheques estavam procurando?
As edições clinicamente improváveis definem as unidades máximas de um serviço normalmente relatadas para um paciente em uma data. Unidades acima desse limite são uma conclusão comum de auditoria.
Por que a regra de pagamento indevido aumenta os riscos da auditoria de IA?
As regras federais exigem que os pagamentos indevidos identificados sejam comunicados e devolvidos, geralmente no prazo de 60 dias, com uma pausa limitada para investigação de boa-fé. Encontrar problemas sem resolvê-los aumenta a exposição.
Continue aprendendo
Guias relacionados
Mais guias escolhidos para este tópico