ต่อไปคำแนะนำต่อไป
AI ในการเข้ารหัสการปรับความเสี่ยง HCC
อุตสาหกรรม
คู่มืออุตสาหกรรม
การเข้ารหัสโดยใช้คอมพิวเตอร์ช่วย (CAC) เป็นซอฟต์แวร์ที่อ่านเอกสารทางคลินิกด้วยการประมวลผลภาษาธรรมชาติ และแนะนำรหัสการวินิจฉัยและขั้นตอน
จากนั้นผู้เขียนโค้ดที่เป็นมนุษย์จะยอมรับ ปฏิเสธ หรือแก้ไขแต่ละข้อเสนอแนะก่อนที่การอ้างสิทธิ์จะสิ้นสุดลง สิ่งสำคัญเนื่องจากจะเปลี่ยนงานของผู้เขียนโค้ดจากการค้นหาแผนภูมิเป็นการตรวจสอบหลักฐาน และคุณค่าของงานขึ้นอยู่กับความถูกต้อง ความเหมาะสมกับขั้นตอนการทำงาน และวิธีที่องค์กรวัดผลการผลิต
การนำ CAC มาใช้ในสหรัฐอเมริกาเพิ่มขึ้นในช่วงเดือนตุลาคม 2558 โดยเปลี่ยนจาก ICD-9 เป็น ICD-10 ชุดโค้ดใหม่มีรายละเอียดมากขึ้น และองค์กรต่างๆ เกรงว่าผู้เขียนโค้ดจะสูญเสียประสิทธิภาพการทำงาน ผลิตภัณฑ์ที่จัดตั้งขึ้นมาจากบริษัทต่างๆ เช่น 3M ซึ่งธุรกิจข้อมูลด้านสุขภาพได้เป็นส่วนหนึ่งของ Solventum ในปี 2567 และ Optum และอื่นๆ อีกมากมาย ขั้นตอนการทำงานมีสี่ขั้นตอน: เอกสารจะไหลจาก EHR เข้าสู่ระบบ CAC รวมถึงบันทึกความคืบหน้า รายงานการปฏิบัติงาน สรุปการจำหน่ายและผลลัพธ์ เครื่องมือประมวลผลภาษาธรรมชาติจะอ่านข้อความ ระบุเงื่อนไขและขั้นตอน และเสนอรหัส ซึ่งแต่ละรหัสเชื่อมโยงกับวลีสนับสนุน ผู้เขียนโค้ดจะตรวจสอบข้อเสนอแนะแต่ละข้อ พวกเขายอมรับ ปฏิเสธ หรือแก้ไขเป็นรหัสที่เฉพาะเจาะจงหรือถูกต้องมากขึ้น และเพิ่มรหัสใดๆ ที่ระบบพลาดไป และผู้เขียนรหัสใช้แนวทางอย่างเป็นทางการ เช่น กฎลำดับ และกฎผู้ป่วยในและผู้ป่วยนอกที่แตกต่างกันสำหรับการวินิจฉัยที่ไม่แน่นอน และเขียนคำถามถึงแพทย์เมื่อเอกสารประกอบไม่ชัดเจน CAC แตกต่างจากการเข้ารหัสอัตโนมัติ ใน CAC มนุษย์จะตรวจสอบทุกแผนภูมิ ระบบอัตโนมัติส่งการเผชิญหน้าบางอย่างไปยังการเรียกเก็บเงินโดยไม่มีการตรวจสอบจากมนุษย์ องค์กรมักจะตัดสิน CAC ด้วยมาตรการต่างๆ ได้แก่ ประสิทธิภาพการทำงาน วัดเป็นแผนภูมิหรือเผชิญหน้าต่อชั่วโมง ความถูกต้องของการเข้ารหัสวัดโดยการตรวจสอบ ความแม่นยำของข้อเสนอแนะและการจดจำ วันที่ปลดประจำการ-ไม่เรียกเก็บเงินครั้งสุดท้าย (DNFB) หมายถึงระยะเวลาที่บัญชีที่ปลดประจำการแล้วรอการเข้ารหัสขั้นสุดท้าย และอัตราการปฏิเสธขั้นปลาย ความเข้าใจผิดสามประการเป็นเรื่องปกติ ประการแรกคือ CAC ขจัดความจำเป็นในการมีความเชี่ยวชาญด้านแนวปฏิบัติ ในความเป็นจริงผู้เขียนโค้ดจะต้องจับข้อเสนอแนะที่น่าเชื่อถือแต่ไม่ถูกต้อง ประการที่สองคือผลผลิตที่เพิ่มขึ้นมาโดยอัตโนมัติ การออกแบบหน้าจอที่ไม่ดี คำแนะนำที่มีเสียงดัง หรือการฝึกฝนที่ไม่ดีอาจทำให้ผู้เขียนโค้ดช้าลงได้ ประการที่สามคืออัตราการยอมรับที่สูงพิสูจน์ความถูกต้อง นอกจากนี้ยังอาจหมายถึงผู้เขียนโค้ดได้หยุดตรวจสอบแล้ว
บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่
ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล
การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า
CAC ถูกรวมเข้ากับฟีเจอร์โมเดลภาษาขนาดใหญ่มากขึ้นเรื่อยๆ เช่น การสรุปการพำนักระยะยาว การร่างคำถามของแพทย์ และการอธิบายว่าทำไมจึงมีการแนะนำรหัส ผู้จำหน่ายบางรายกำลังขยาย CAC ไปสู่ความเป็นอิสระบางส่วนสำหรับประเภทการตรวจจับที่ง่ายกว่า ขั้นตอนการตรวจสอบหลักมีแนวโน้มที่จะยังคงอยู่สำหรับการเขียนโค้ดผู้ป่วยในที่ซับซ้อน ซึ่งช่องว่างของแนวปฏิบัติและเอกสารจำเป็นต้องอาศัยวิจารณญาณของมนุษย์ องค์กรที่นำเครื่องมือใหม่ๆ มาใช้ควรรักษาความแม่นยำในการวัด การเรียกคืน การตรวจสอบความถูกต้อง และการปฏิเสธ แทนที่จะพึ่งพาคำกล่าวอ้างด้านประสิทธิภาพของผู้ขาย และควรเฝ้าดูผู้เขียนโค้ดที่หลงไหลไปสู่การประทับตรายาง
ผู้เขียนโค้ดเปิดแผนภูมิผู้ป่วยในและเห็นว่า CAC แนะนำรหัส ICD-10-CM สำหรับการบาดเจ็บที่ไตเฉียบพลันและสำหรับโรคเบาหวานประเภท 2 ที่มีน้ำตาลในเลือดสูง คำแนะนำแต่ละรายการจะเชื่อมโยงกับวลีที่ไฮไลต์ในบันทึกความคืบหน้า ซึ่งเธอคลิกเพื่อตรวจสอบ
ในแผนภูมิผู้ป่วยนอก CAC แนะนำรหัสโรคปอดบวมตามข้อความที่ระบุว่า "ตัดโรคปอดบวม" ผู้เขียนโค้ดปฏิเสธ เนื่องจากหลักเกณฑ์สำหรับผู้ป่วยนอกไม่อนุญาตให้เขียนโค้ดการวินิจฉัยที่ไม่แน่นอนตามที่ได้รับการยืนยัน
ผู้อำนวยการฝ่ายจัดการข้อมูลด้านสุขภาพจะเปรียบเทียบแผนภูมิต่อชั่วโมง ความถูกต้องของการเข้ารหัส และวันก่อนและหลังการเผยแพร่ CAC ที่ยังไม่เรียกเก็บเงินครั้งสุดท้าย ผลผลิตจะดีขึ้นหลังจากที่ผู้เขียนโค้ดได้รับการฝึกอบรมบนหน้าจอการตรวจสอบแบบใหม่เท่านั้น
ผู้ตรวจสอบที่ตรวจสอบบันทึกการยอมรับของ CAC จะแจ้งให้ทราบว่าผู้เขียนโค้ดยอมรับเกือบทุกข้อเสนอแนะสำหรับผู้ป่วยของแพทย์คนหนึ่ง รูปแบบดังกล่าวจะกระตุ้นให้มีการตรวจสอบความถูกต้องตามเป้าหมาย
ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้
ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง
ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้
ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน
ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว
ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ
เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน
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
การเข้ารหัสโดยใช้คอมพิวเตอร์ช่วย (CAC) เป็นซอฟต์แวร์ที่อ่านเอกสารทางคลินิกด้วยการประมวลผลภาษาธรรมชาติ และแนะนำรหัสการวินิจฉัยและขั้นตอน จากนั้นผู้เขียนโค้ดที่เป็นมนุษย์จะยอมรับ ปฏิเสธ หรือแก้ไขแต่ละข้อเสนอแนะก่อนที่การอ้างสิทธิ์จะสิ้นสุดลง สิ่งสำคัญเนื่องจากจะเปลี่ยนงานของผู้เขียนโค้ดจากการค้นหาแผนภูมิเป็นการตรวจสอบหลักฐาน และคุณค่าของงานขึ้นอยู่กับความถูกต้อง ความเหมาะสมกับขั้นตอนการทำงาน และวิธีที่องค์กรวัดผลการผลิต
CAC แนะนำรหัสสำหรับการตรวจสอบโดยมนุษย์ในทุกแผนภูมิ การเข้ารหัสอัตโนมัติทำให้การเผชิญหน้าบางอย่างสามารถเลี่ยงมนุษย์ได้โดยสิ้นเชิง
"ออกกฎ" ส่งสัญญาณความไม่แน่นอน กฎการเข้ารหัสผู้ป่วยนอกไม่อนุญาตให้มีการเข้ารหัสการวินิจฉัยที่ไม่แน่นอนราวกับว่าได้รับการยืนยันแล้ว
การตรวจจับผู้มีประสบการณ์จะระบุสภาวะที่เป็นของบุคคลอื่นที่ไม่ใช่ผู้ป่วย เช่น สมาชิกในครอบครัว
การเรียกคืนคือส่วนแบ่งของรหัสที่ถูกต้องที่ระบบแนะนำ การเรียกคืนต่ำทำให้ผู้เขียนโค้ดค้นหาแผนภูมิสำหรับสิ่งที่พลาดไป
DNFB ติดตามความล่าช้าระหว่างการจ่ายออกและการเรียกเก็บเงินครั้งสุดท้าย ซึ่งความเร็วและความแม่นยำในการเข้ารหัสส่งผลโดยตรง
เรียนรู้ต่อไป
คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้
ต่อไปคำแนะนำต่อไป
AI ในการเข้ารหัสการปรับความเสี่ยง HCC
อุตสาหกรรม