概述
人工智能读取临床记录，并自动分配医院用于支付费用和跟踪护理的标准化计费和诊断代码。它针对的是一项乏味且昂贵的任务，其中人类编码员速度缓慢、稀缺且容易出现代价高昂的错误。
电子健康记录编码中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。
深入探讨
每次患者就诊都必须转化为标准化代码：用于诊断的 ICD-10、用于手术的 CPT 以及用于用品和服务的 HCPCS。这些代码推动保险报销、公共卫生统计和质量报告。传统上，经过培训的医疗编码员会阅读整个图表，并从数以万计的可能代码中手动选择，这是一个劳动密集型过程，也是计费错误和索赔被拒绝的常见原因。人工智能辅助编码，通常称为计算机辅助编码，使用自然语言处理来阅读医生笔记，识别记录的条件和程序，并在文本中突出显示支持证据的情况下建议适当的代码。这可以加快吞吐量，提高一致性，并有助于捕获手动编码员可能错过的条件，同时为临床医生标记文档差距。
技术洞察
仅 ICD-10 就有大约 70,000 个代码，这使得这是一个极端的多标签分类问题。系统将 NLP 实体识别（在文本中查找诊断和程序）与代码层次结构的映射以及强制执行编码指南（排序、特异性、捆绑）的规则相结合。强大的实现提供了证据链接，显示了证明每个代码合理性的确切句子，这对于可审计性、合规性以及针对付款人拒绝的索赔进行辩护至关重要。
掌握电子健康记录编码中的人工智能
人工智能读取临床记录，并自动分配医院用于支付费用和跟踪护理的标准化计费和诊断代码。它针对的是一项乏味且昂贵的任务，其中人类编码员速度缓慢、稀缺且容易出现代价高昂的错误。电子健康记录编码中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。为了建立深入的理解，请将电子健康记录编码中的人工智能视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，在电子健康记录编码中使用人工智能的强大团队专注于工作流程结果，而不是模型演示，并尽早定义人工检查点。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
应用级设计决定了人工智能是否能改善实际结果。与此同时，将损坏的流程自动化可能会加剧现有的问题。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
应用级设计决定了人工智能是否能改善实际结果。
应用级设计决定了人工智能是否能改善实际结果。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
良好的工作流程集成可以创造用户值得信赖的生产力收益。
良好的工作流程集成可以创造用户值得信赖的生产力收益。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
范围明确的用例可以减少变更疲劳和实施风险。
范围明确的用例可以减少变更疲劳和实施风险。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
放射学小组使用自主编码引擎（例如，来自 Nym 或 CodaMetrix 等供应商）将 ICD-10 和 CPT 代码分配给成像报告，只需最少的人工审核
计算机辅助编码工具，例如 3M (Solventum) 360 Encompass 向人类编码员建议代码并突出显示支持文档
临床文件完整性团队使用人工智能来标记缺乏准确编码所需特异性的注释，并提示医生进行澄清
卫生系统运行人工智能帐单前审计，以在提交索赔之前发现编码不足或编码过多的情况，从而减少付款人拒绝付款的情况
实施模式
人工智能在电子健康记录编码中的实践
放射学小组使用自主编码引擎（例如，来自 Nym 或 CodaMetrix 等供应商的引擎）将 ICD-10 和 CPT 代码分配给成像报告，而无需人工审核。
放射学小组使用自主编码引擎（例如，来自 Nym 或 CodaMetrix 等供应商）将 ICD-10 和 CPT 代码分配给成像报告，只需最少的人工审核。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
人工智能在电子健康记录编码中的实践
3M (Solventum) 360 Encompass 等计算机辅助编码工具向人类编码员建议代码并突出显示支持文档。
3M (Solventum) 360 Encompass 等计算机辅助编码工具向人类编码员建议代码并突出显示支持文档。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
人工智能在电子健康记录编码中的实践
临床文档完整性团队使用人工智能来标记缺乏准确编码所需特异性的注释，并提示医生进行澄清。
临床文档完整性团队使用人工智能来标记缺乏准确编码所需特异性的注释，并提示医生进行澄清。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
人工智能在电子健康记录编码中的实践
卫生系统运行人工智能帐单前审计，以在提交索赔之前发现编码不足或编码过多的情况，从而减少付款人拒绝付款的情况。
医疗系统运行人工智能帐单前审计，以在提交索赔之前发现编码不足或编码过多的情况，从而减少付款人拒绝付款的情况。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
风险与防护栏
将损坏的流程自动化可能会加剧现有问题。
团队可能会过度自动化并消除所需的人工判断。
如果不持续评估输出，质量可能会出现偏差。
实施路线图
绘制当前工作流程并确定摩擦最大的步骤。
绘制当前工作流程并确定摩擦最大的步骤。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在完全自动化之前定义人工检查点。
在完全自动化之前定义人工检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
对用户进行提示、升级路径和质量标准方面的培训。
对用户进行提示、升级路径和质量标准方面的培训。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪任务级结果以确认持续价值。
跟踪任务级结果以确认持续价值。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。