سوسائٹی گائیڈ

AI اپ کوڈنگ اور کوڈنگ کی تعمیل کے خطرات

AI اپ کوڈنگ اس وقت ہوتی ہے جب کوڈنگ سافٹ ویئر، کمپیوٹر کی مدد سے کوڈنگ انجن یا AI دستاویزی ٹولز اعلی درجے کی خدمت کے لیے بلنگ کوڈ تجویز کرتے ہیں یا تفویض کرتے ہیں یا میڈیکل ریکارڈ کی حمایت سے زیادہ شدت کے لیے۔

  • 4 منٹ پڑھیں
  • آخری بار اپ ڈیٹ کیا گیا۔
اس صفحہ پر4 منٹ پڑھیں
  1. جائزہ
  2. گہرا غوطہ
  3. اسٹریٹجک اثر
  4. AI اپ کوڈنگ اور کوڈنگ کی تعمیل کے خطرات کا مستقبل
  5. حقیقی دنیا کا نفاذ
  6. خطرات اور گارڈریلز
  7. نفاذ کا روڈ میپ
  8. دریافت کرتے رہیں
  9. اکثر پوچھے گئے سوالات

جائزہ

یہ اہمیت رکھتا ہے کیونکہ فراہم کنندہ دعوی جمع کرتا ہے، وینڈر نہیں، لہذا AI ٹول سے قبول کردہ غیر تعاون یافتہ کوڈز زیادہ ادائیگیاں بن سکتے ہیں اور فیڈرل فالس کلیمز ایکٹ کے تحت ذمہ داری پیدا کر سکتے ہیں۔

گہرا غوطہ

اپ کوڈنگ نیا نہیں ہے، لیکن AI اپنے پیمانے کو تبدیل کرتا ہے اور یہ کیسے ہوتا ہے۔ ایک شخص جو اپ کوڈ کرتا ہے ان دعوؤں کو متاثر کرتا ہے جنہیں وہ چھوتا ہے۔ ایک کوڈنگ ماڈل جو اعلیٰ کوڈز کی طرف جھکاؤ رکھتا ہے ہر اس دعوے کو متاثر کرتا ہے جو اس پر کارروائی کرتا ہے۔ یہ جھکاؤ تاریخی بلنگ ڈیٹا کی تربیت سے آ سکتا ہے جس میں پہلے سے ہی اپ کوڈنگ موجود ہے، 'ریونیو کیپچر' کو زیادہ سے زیادہ کرنے کے لیے بنائے گئے پروڈکٹ سے، یا ٹول کی طرف سے تیار کردہ دستاویزات کی عادات سے، جیسے کلون شدہ نوٹس اور آگے کاپی کیے گئے طویل مسائل کی فہرست۔ جنریٹیو دستاویزی ٹولز دوسرا راستہ شامل کرتے ہیں۔ ایک محیطی کاتب کسی تشخیص کو خاص طور پر یا زیادہ سختی سے کلینشین کے معنی سے کہہ سکتا ہے، اور یہ الفاظ پھر کوڈ کو چلاتے ہیں۔ قانونی نمائش زیادہ تر فالس کلیمز ایکٹ سے آتی ہے۔ ایکٹ کے تحت، میڈیکیئر اور میڈیکیڈ جیسے وفاقی پروگراموں پر جھوٹے دعوے جمع کروانے سے تین گنا نقصانات اور ہر دعوے کے لیے دیوانی جرمانہ ہو سکتا ہے، اور جرمانے کی رقم کو افراط زر کے لیے ایڈجسٹ کیا جاتا ہے۔ دھوکہ دہی کے ارادے کے ثبوت کی ضرورت نہیں ہے۔ ایکٹ 'جان بوجھ کر' کی تعریف کرتا ہے جس میں جان بوجھ کر لاعلمی اور سچائی کی لاپرواہی کو شامل کیا جاتا ہے۔ بغیر کسی جائزے کے بڑی تعداد میں AI کی تجاویز کو قبول کرنا، یا اندرونی آڈٹ کے نتائج کو نظر انداز کرنا، اس معیار پر پورا اتر سکتا ہے۔ qui tam کی دفعات نجی سیٹی بلورز، اکثر کوڈرز، آڈیٹر یا سابق ملازمین، فائل سوٹ اور کسی بھی ریکوری میں حصہ لینے دیتی ہیں۔ علیحدہ طور پر، وفاقی قانون فراہم کنندگان سے 60 دنوں کے اندر شناخت شدہ Medicare اور Medicaid کی زائد ادائیگیوں کی اطلاع دینے اور واپس کرنے کا تقاضا کرتا ہے، اس لیے ایک آڈٹ جس میں AI سے چلنے والی غلطیوں کا پتہ چلتا ہے وہ ادائیگی کی ذمہ داری پیدا کرتا ہے۔ تین غلط فہمیاں اکثر سامنے آتی ہیں۔ پہلا یہ کہ وینڈر خطرہ اٹھاتا ہے۔ معاہدے میں معاوضہ شامل ہوسکتا ہے، لیکن بلنگ فراہم کنندہ دعوے کی تصدیق کرتا ہے۔ دوسرا یہ کہ AI نے جو کچھ بھی لکھا ہے اسے دستاویزات کے طور پر شمار کیا جاتا ہے۔ کوڈز کو اس بات سے تعاون کرنا چاہیے کہ علاج کرنے والے کلینشین نے کیا دستاویز کیا اور اس سے اتفاق کیا ہے۔ تیسرا یہ کہ انڈر کوڈنگ محفوظ انتخاب ہے۔ منظم انڈر کوڈنگ بھی غلط کوڈنگ ہے۔ مقصد وہ کوڈ ہیں جو ریکارڈ سے میل کھاتے ہیں، نہ کہ کوڈز کو کسی بھی سمت میں آگے بڑھایا جاتا ہے۔

اسٹریٹجک اثر

خطرہ اور حفاظت

تباہ کن اور روزمرہ کے AI نقصانات دونوں کا انحصار اس بات پر ہے کہ کون خطرات کو سمجھتا ہے اور کون عمل کر سکتا ہے۔

واضح فیصلے

عوامی اور پیشہ ورانہ خواندگی یہ تشکیل دیتی ہے کہ آیا مضبوط حفاظتی پالیسی سیاسی طور پر ممکن ہے۔

ہائپ کے ذریعے کاٹنا

واضح وضاحتیں ہائپ، لیب پی آر، اور مبہم اخلاقیات تھیٹر کے ذریعے کیپچر کو کم کرتی ہیں۔

AI اپ کوڈنگ اور کوڈنگ کی تعمیل کے خطرات کا مستقبل

الگورتھم سے چلنے والے کوڈنگ کی نگرانی شاید قریب سے توجہ حاصل کرے گی، کیونکہ سرکاری آڈیٹرز پہلے ہی جانچ کر چکے ہیں کہ میڈیکیئر ایڈوانٹیج رسک ایڈجسٹمنٹ کے لیے تشخیص کیسے جمع کیے جاتے ہیں اور ادائیگی کرنے والے بلنگ آؤٹ لیرز کو تلاش کرنے کے لیے اپنے تجزیات کا استعمال کرتے ہیں۔ تنظیمیں اس بارے میں سوالات کی توقع کر سکتی ہیں کہ ان کے کوڈنگ ٹولز کی توثیق کیسے کی گئی، تجاویز کا جائزہ کیسے لیا جاتا ہے اور آیا انہوں نے بڑھے جانے کی نگرانی کی ہے۔ شواہد سے منسلک تجاویز اور باقاعدہ آڈٹ رپورٹنگ وینڈر کنٹریکٹس میں بنیادی توقعات بننے کا امکان ہے۔ مستقبل کا نفاذ AI کی مدد سے کی جانے والی کوڈنگ کے ساتھ کیسے سلوک کرے گا، یہ ابھی تک غیر طے شدہ ہے، لہذا دستاویزی جائزہ لینے کے عمل آج سب سے زیادہ دفاعی پوزیشن ہیں۔

حقیقی دنیا کا نفاذ

ایک آؤٹ پیشنٹ E/M تجویز انجن فالو اپ وزٹ کے لیے 99215 تجویز کرتا ہے کیونکہ یہ کاپی فارورڈ پرابلم لسٹ میں ہر اندراج کو شمار کرتا ہے، حالانکہ اس دن دستاویزی طبی فیصلہ سازی صرف 99213 کی حمایت کرتی ہے۔

ایک محیطی کاتب نے ڈرافٹ نوٹ میں سیڑھیوں پر چلنے کے بارے میں مریض کے تبصرے کو 'ایکیوٹ آن کرنک سیسٹولک ہارٹ فیلیئر' میں بدل دیا ہے۔ ڈاکٹر اس کا جائزہ لیے بغیر اس پر دستخط کرتا ہے، اور کوڈ اس شدت میں اضافہ کرتا ہے جس کی کلینیکل ریکارڈ میں کچھ بھی حمایت نہیں کرتا۔

میڈیکیئر ایڈوانٹیج چارٹ ریویو ٹول سالوں پہلے لکھے گئے نوٹوں سے تشخیص کھینچتا ہے اور انہیں موجودہ رسک ایڈجسٹمنٹ کوڈز کے طور پر تجویز کرتا ہے، حالانکہ موجودہ انکاؤنٹر میں اس بات کا کوئی ثبوت نہیں ہے کہ حالت کی نگرانی، تشخیص، تشخیص یا علاج کیا گیا تھا۔

ایک کمپلائنس ٹیم نے نوٹ کیا کہ ایک ڈاکٹر تقریباً 100 فیصد AI کوڈ کی تجاویز کو قبول کرتا ہے اور اسی خاصیت کے ساتھیوں کے مقابلے میں بہت زیادہ اعلیٰ سطحی دورے کرتا ہے۔ یہ ایک مرکوز سابقہ ​​آڈٹ کا حکم دیتا ہے، پھر تعلیم فراہم کرتا ہے اور زائد ادائیگیوں کی واپسی کرتا ہے۔

خطرات اور گارڈریلز

  • قابلیت کے مرکبات کے دوران وجودی خطرے کا سائنس فائی کے طور پر علاج کرنا۔

  • اعلی خود مختاری کے تحت سیدھ کے ساتھ سطح کی مصنوعات کی حفاظت کو الجھا دینا۔

  • غیر انگریزی اور غیر ماہر سامعین کو صرف کم معیار کے ذرائع کے ساتھ چھوڑنا۔

نفاذ کا روڈ میپ

  1. الگ الگ مصنوعات کے نقصانات، غلط استعمال، اور نقصان کے کنٹرول / غلط خطوط کے خطرات۔

  2. پوچھیں کہ کون سے ثبوت ٹائم لائنز اور شدت کے بارے میں آپ کے نظریہ کو بدل دیں گے۔

  3. مارکیٹنگ کے دعووں پر بنیادی ذرائع اور ٹھوس ایولز کو ترجیح دیں۔

  4. ایک عمل کے راستے کی شناخت کریں: کیریئر، پالیسی، فنڈنگ، یا مہارتیں - نہ صرف آگاہی۔

دریافت کرتے رہیں

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 Upcoding and Coding Compliance Risks quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

کوئز شروع کریں۔

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

اکثر پوچھے گئے سوالات

AI اپ کوڈنگ اور کوڈنگ کی تعمیل کے خطرات کیا ہیں؟

AI اپ کوڈنگ اس وقت ہوتی ہے جب کوڈنگ سافٹ ویئر، کمپیوٹر کی مدد سے کوڈنگ انجن یا AI دستاویزی ٹولز اعلی درجے کی خدمت کے لیے بلنگ کوڈ تجویز کرتے ہیں یا تفویض کرتے ہیں یا میڈیکل ریکارڈ کی حمایت سے زیادہ شدت کے لیے۔ یہ اہمیت رکھتا ہے کیونکہ فراہم کنندہ دعوی جمع کرتا ہے، وینڈر نہیں، لہذا AI ٹول سے قبول کردہ غیر تعاون یافتہ کوڈز زیادہ ادائیگیاں بن سکتے ہیں اور فیڈرل فالس کلیمز ایکٹ کے تحت ذمہ داری پیدا کر سکتے ہیں۔

ایک جانبدار AI کوڈنگ ماڈل اپ کوڈ کرنے والے ایک شخص سے زیادہ تعمیل کو کیوں نقصان پہنچا سکتا ہے؟

ایک شخص ان دعووں کو متاثر کرتا ہے جو وہ سنبھالتے ہیں۔ ایک منظم دبلی پتلی والا ماڈل ہر اس دعوے پر جس کو چھوتا ہے اسکیل پر ایک ہی غلطی کو دہراتا ہے۔

فالس کلیمز ایکٹ کے تحت، کون سی ذہنی حالت کسی فراہم کنندہ کو دھوکہ دہی کے ارادے کے بغیر بھی ذمہ دار بنا سکتی ہے؟

یہ ایکٹ جان بوجھ کر جہالت اور لاپرواہی کو نظر انداز کرنے کے لیے 'جان بوجھ کر' کی تعریف کرتا ہے، اس لیے بغیر جائزہ کے بڑی تعداد میں AI آؤٹ پٹ کو قبول کرنا بے نقاب ہو سکتا ہے۔

ہسپتال کا معاہدہ کہتا ہے کہ کوڈنگ فروش اسے معاوضہ دے گا۔ اگر AI کے تجویز کردہ کوڈز غیر تعاون یافتہ ہیں تو ہسپتال اب بھی کیوں بے نقاب ہے؟

معاہدہ جو کچھ بھی کہتا ہے، فراہم کنندہ دعویٰ جمع کرتا ہے اور اس کی تصدیق کرتا ہے، لہذا حکومت کی ذمہ داری فراہم کنندہ سے شروع ہوتی ہے۔

داخلی آڈٹ کے بعد پتہ چلتا ہے کہ AI سے منظور شدہ کوڈز میڈیکیئر کی زائد ادائیگیوں کا باعث بنتے ہیں، وفاقی قانون کی ضرورت کیا ہے؟

فراہم کنندگان کو 60 دنوں کے اندر شناخت شدہ Medicare اور Medicaid کی زائد ادائیگیوں کی اطلاع دینا اور واپس کرنا ضروری ہے، اس لیے آڈٹ کے نتائج سے ادائیگی کی ذمہ داری بنتی ہے۔

گائیڈ آٹومیشن تعصب سے کون سا انتباہی نشان منسلک کرتا ہے؟

تقریباً ہر تجویز کو قبول کرنے کا مطلب عام طور پر جائزہ لینے والوں نے جانچنا بند کر دیا ہے، یہ نہیں کہ ماڈل ہمیشہ درست ہوتا ہے۔