คู่มืออุตสาหกรรม

AI ในการเข้ารหัส DRG ผู้ป่วยใน

AI ในการเข้ารหัส DRG ผู้ป่วยในใช้การประมวลผลภาษาธรรมชาติและการเรียนรู้ของเครื่องเพื่ออ่านบันทึกของโรงพยาบาล แนะนำรหัส ICD-10-CM และ ICD-10-PCS ทำนาย MS-DRG และทำเครื่องหมายการวินิจฉัยขั้นทุติยภูมิที่เข้าข่ายเป็นภาวะแทรกซ้อนหรือโรคร่วม (CC) หรือภาวะแทรกซ้อนที่สำคัญหรือโรคร่วม (MCC)

ฟังคำแนะนำนี้บรรยายโดย AI · ~3 min

บนหน้านี้อ่าน 4 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของ AI ในการเข้ารหัส DRG ผู้ป่วยใน
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. คำถามที่พบบ่อย

ภาพรวม

เป็นเรื่องสำคัญเนื่องจาก DRG จะกำหนดจำนวนเงินที่ Medicare จ่ายสำหรับการเข้าพักแบบผู้ป่วยในส่วนใหญ่ และการวินิจฉัยทุติยภูมิที่ได้รับการสนับสนุนอย่างดีหรือไม่ดีก็สามารถย้ายเคสไปยังกลุ่มการชำระเงินอื่นได้

เจาะลึก

CMS เปิดตัวกลุ่มที่เกี่ยวข้องกับการวินิจฉัยความรุนแรงของ Medicare (MS-DRGs) ในปีงบประมาณ 2551 การเข้าพักแบบผู้ป่วยในแต่ละครั้งจะแบ่งออกเป็นกลุ่มเดียวตามการวินิจฉัยหลัก ขั้นตอนที่สำคัญ การวินิจฉัยขั้นที่สอง และสถานะการจำหน่ายในบางครั้ง DRG พื้นฐานจำนวนมากแบ่งออกเป็นสามระดับความรุนแรง: ด้วย MCC, พร้อม CC หรือไม่มีเลย การชำระเงินคือน้ำหนักสัมพัทธ์ของ DRG คูณด้วยอัตราพื้นฐานของโรงพยาบาล บวกด้วยการปรับค่าใช้จ่าย ภายใต้แนวทางอย่างเป็นทางการ การวินิจฉัยหลักคือเงื่อนไขที่กำหนดขึ้นหลังการศึกษาเพื่อรับผิดชอบหลักในการรับเข้าเรียน มีข้อโต้แย้งมากมายมาจากการเลือกผิด AI ไม่ได้ตัดสิน DRG ปลาเก๋าซึ่งเป็นซอฟต์แวร์ที่กำหนดขึ้นเองทำเช่นนั้น AI แนะนำรหัสที่ปลาเก๋าใช้ ระบบเข้ารหัสที่ใช้คอมพิวเตอร์ช่วยจากผู้ขาย เช่น Solventum (เดิมคือ 3M Health Information Systems) และ Optum อ่านประวัติและทางกายภาพ บันทึกความคืบหน้า รายงานการผ่าตัด สรุปการจำหน่าย ผลการตรวจทางห้องปฏิบัติการ และบันทึกการใช้ยา จากนั้นพวกเขาจะเสนอรหัสพร้อมลิงก์ไปยังข้อความสนับสนุน โรงพยาบาลใช้สิ่งเหล่านี้ในสามวิธี ในระหว่างการเข้าพัก พวกเขาแสดง DRG ที่ใช้งานได้ เพื่อให้สามารถแก้ไขช่องว่างด้านเอกสารในขณะที่ผู้ป่วยยังอยู่ในโรงพยาบาล ในการเขียนโค้ดขั้นสุดท้าย พวกเขาจะเร่งการมอบหมายโค้ดให้เร็วขึ้น ก่อนการเรียกเก็บเงิน พวกเขาดำเนินการตรวจสอบ DRG ซึ่งจะระบุรูปแบบที่มีความเสี่ยงสูง เช่น CC หรือ MCC เดียวที่ดำเนินการชำระเงิน ลำดับการวินิจฉัยหลักที่น่าสงสัย และการวินิจฉัยโดยไม่มีการสนับสนุนทางคลินิกที่ชัดเจน ความเข้าใจผิดหลายประการเป็นเรื่องปกติ รหัสเพิ่มเติมไม่ได้หมายถึง DRG ที่สูงกว่าโดยอัตโนมัติ ใน MS-DRG ระดับความรุนแรงขึ้นอยู่กับว่ามี CC หรือ MCC ที่มีคุณสมบัติเหมาะสมอย่างน้อยหนึ่งรายการ และกฎการยกเว้น CC จะทำให้การวินิจฉัยขั้นทุติยภูมิมีความเกี่ยวข้องอย่างใกล้ชิดกับการวินิจฉัยหลักมากเกินไป รหัสที่ได้รับการบันทึกไว้ไม่ได้ทำให้รหัสนั้นถูกต้องทางคลินิกด้วย ผู้จ่ายเงินมักปฏิเสธการวินิจฉัย เช่น ภาวะติดเชื้อในกระแสเลือด ภาวะทุพโภชนาการ หรือการหายใจล้มเหลวเฉียบพลัน เมื่อตัวชี้วัดทางคลินิกไม่ตรงตามเกณฑ์ ผู้จ่ายเงินบางรายยังใช้ APR-DRG ซึ่งเพิ่มคลาสย่อยความรุนแรงของการเจ็บป่วยและความเสี่ยงต่อการเสียชีวิต 4 คลาส และตอบสนองต่อการวินิจฉัยขั้นทุติยภูมิที่แตกต่างกันออกไป

การใช้งานจริงในโลกแห่งความเป็นจริง

ขณะที่ผู้ป่วยยังคงเข้ารับการรักษาในโรงพยาบาล เครื่องมือเข้ารหัสที่ใช้คอมพิวเตอร์ช่วยจะแสดง DRG ที่ใช้งานได้สำหรับโรคปอดบวม และบันทึกว่าโซเดียม 126 ที่ได้รับการบันทึกไว้ซึ่งรักษาด้วยการจำกัดของเหลวอาจรองรับรหัสภาวะโซเดียมในเลือดต่ำ ซึ่งอาจเพิ่ม CC ได้

ก่อนการเรียกเก็บเงิน เครื่องมือตรวจสอบความถูกต้องของ DRG จะกำหนดเส้นทางทุกกรณีที่มี MCC เพียงแห่งเดียวที่มีภาวะหายใจล้มเหลวเฉียบพลันไปยังผู้ตรวจสอบระดับที่สอง เนื่องจากการวินิจฉัยดังกล่าวมักจะชักจูงให้ผู้ชำระเงินปฏิเสธการตรวจสอบความถูกต้องทางคลินิก

กรณีภาวะติดเชื้อในกระแสเลือดถูกทำเครื่องหมายให้เข้ารับการตรวจสอบตามลำดับ เนื่องจาก AI แนะนำให้โรคปอดบวมเป็นการวินิจฉัยหลัก ในขณะที่บันทึกแสดงภาวะติดเชื้อขณะเข้ารับการรักษา ซึ่งทำให้ครอบครัว DRG เปลี่ยนไปภายใต้หลักเกณฑ์อย่างเป็นทางการ

แบบจำลองที่ได้รับการฝึกกับปลาเก๋าในปีงบประมาณก่อนหน้าจะกำหนด DRG ที่ไม่ตรงกันอีกต่อไปหลังจากการอัพเดตในวันที่ 1 ตุลาคม สิ่งอำนวยความสะดวกจะจับได้โดยการให้ทุกข้อเสนอแนะดำเนินการผ่านเวอร์ชันปลาเก๋าที่เชื่อมโยงกับวันที่จำหน่าย

อนาคตของ AI ในการเข้ารหัส DRG ผู้ป่วยใน

โรงพยาบาลมีแนวโน้มที่จะใช้ AI สำหรับการตรวจสอบก่อนการเรียกเก็บเงินเพิ่มเติม และเพื่อเตรียมการตอบสนองต่อการลดระดับ DRG ของผู้ชำระเงิน ซึ่งกลายเป็นภาระด้านการบริหารจัดการที่สำคัญ เครื่องมือที่จับคู่แต่ละรหัสกับหลักฐานทางคลินิก และอ้างอิงแนวทางที่เกี่ยวข้องหรือคำแนะนำของ AHA Coding Clinic สอดคล้องกับวิธีการทำงานของผู้ตรวจสอบอยู่แล้ว ดังนั้นรูปแบบดังกล่าวจึงมีแนวโน้มที่จะแพร่กระจาย การเขียนโค้ดสำหรับผู้ป่วยในแบบอัตโนมัตินั้นยากกว่าการเขียนโค้ดสำหรับผู้ป่วยนอก เนื่องจากการเข้าพักนานกว่าและบันทึกซับซ้อนกว่า ดังนั้นผู้เขียนโค้ดที่เป็นมนุษย์อาจจะยังคงรับผิดชอบในการมอบหมาย DRG ขั้นสุดท้ายในอนาคตอันใกล้นี้

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • บริบทและกฎ. บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่
  • การควบคุมคุณภาพ. ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล
  • สร้างทางเลือก. การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า

ระวัง

  • ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้
  • ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง
  • ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้

ขั้นตอนต่อไป

  1. ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน
  2. ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว
  3. ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ
  4. เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

Take the AI in Inpatient DRG Coding quiz

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

คำถามที่พบบ่อย

AI ในการเข้ารหัส DRG ผู้ป่วยในคืออะไร

AI ในการเข้ารหัส DRG ผู้ป่วยในใช้การประมวลผลภาษาธรรมชาติและการเรียนรู้ของเครื่องเพื่ออ่านบันทึกของโรงพยาบาล แนะนำรหัส ICD-10-CM และ ICD-10-PCS ทำนาย MS-DRG และทำเครื่องหมายการวินิจฉัยขั้นทุติยภูมิที่เข้าข่ายเป็นภาวะแทรกซ้อนหรือโรคร่วม (CC) หรือภาวะแทรกซ้อนที่สำคัญหรือโรคร่วม (MCC) เป็นเรื่องสำคัญเนื่องจาก DRG จะกำหนดจำนวนเงินที่ Medicare จ่ายสำหรับการเข้าพักแบบผู้ป่วยในส่วนใหญ่ และการวินิจฉัยทุติยภูมิที่ได้รับการสนับสนุนอย่างดีหรือไม่ดีก็สามารถย้ายเคสไปยังกลุ่มการชำระเงินอื่นได้

ในเวิร์กโฟลว์การเขียนโค้ดผู้ป่วยในที่ได้รับความช่วยเหลือจาก AI องค์ประกอบใดที่กำหนด MS-DRG ได้จริง

AI แนะนำรหัส และปลาเก๋าใช้รหัสเหล่านั้นเพื่อคำนวณ DRG

เหตุใดจึงไม่เพิ่มรหัสวินิจฉัยรองเพิ่มเติมจึงเพิ่ม MS-DRG โดยอัตโนมัติ

ระดับนี้ขึ้นอยู่กับว่ามี CC หรือ MCC ที่มีคุณสมบัติตามที่กำหนดหรือไม่ รหัสเพิ่มเติมจะไม่เพิ่มอะไรเลยเมื่อตั้งค่าระดับแล้ว และกฎการยกเว้นสามารถยกเลิกผลกระทบของรหัสได้

สำหรับการดูแลผู้ป่วยในแบบเฉียบพลันระยะสั้น แนวทางปฏิบัติอย่างเป็นทางการจะปฏิบัติต่อการวินิจฉัยที่บันทึกไว้เมื่อออกจากโรงพยาบาลว่า 'เป็นไปได้' อย่างไร

กฎเกณฑ์ผู้ป่วยในอนุญาตให้มีการเขียนรหัสการวินิจฉัยที่ไม่แน่นอนที่บันทึกไว้ ณ ออกจากโรงพยาบาลตามที่กำหนดไว้ กฎเกณฑ์สำหรับผู้ป่วยนอกไม่ได้เป็นเช่นนั้น ดังนั้นโมเดลที่ได้รับการฝึกอบรมเกี่ยวกับข้อมูลผู้ป่วยนอกอาจเข้าใจผิดได้

เหตุใดเครื่องมือตรวจสอบ DRG จึงอาจส่งเคสที่มี MCC เพียงตัวเดียวที่เป็นภาวะหายใจล้มเหลวเฉียบพลันไปยังผู้ตรวจสอบคนที่สอง

เมื่อการวินิจฉัยโรคหนึ่งผลักดันระดับการชำระเงินและมักถูกท้าทายด้วยเหตุผลทางคลินิก การวินิจฉัยนั้นจะได้รับการตรวจดูอีกครั้งก่อนเรียกเก็บเงิน

แบบจำลองกำหนด DRG โดยใช้ปลาเก๋าของปีงบประมาณที่แล้วสำหรับผู้ป่วยที่ออกจากโรงพยาบาลในเดือนพฤศจิกายน ปัญหาคืออะไร?

เวอร์ชันปลาเก๋าจะต้องตรงกับวันที่จำหน่าย และคำจำกัดความของปีงบประมาณใหม่จะมีผลใช้บังคับในวันที่ 1 ตุลาคม

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →