概述
人工智慧讀取臨床記錄，並自動分配醫院用於支付費用和追蹤護理的標準化計費和診斷代碼。它針對的是一項乏味且昂貴的任務，人類編碼員緩慢、稀缺且容易出現代價高昂的錯誤。
電子健康記錄編碼中的人工智慧專注於實際部署：將模型功能轉化為可靠的日常工作流程，提供可衡量的價值。
深入探討
每次患者就診都必須轉化為標準化代碼：用於診斷的 ICD-10、用於手術的 CPT 以及用於用品和服務的 HCPCS。這些代碼推動保險報銷、公共衛生統計和品質報告。傳統上，經過培訓的醫療編碼員會閱讀整個圖表，並從數以萬計的可能代碼中手動選擇，這是一個勞動密集型過程，也是計費錯誤和索賠被拒絕的常見原因。人工智慧輔助編碼，通常稱為電腦輔助編碼，使用自然語言處理來閱讀醫生筆記，識別記錄的條件和程序，並在文本中突出顯示支持證據的情況下建議適當的代碼。這可以加快吞吐量，提高一致性，並有助於捕獲手動編碼員可能錯過的條件，同時為臨床醫生標記文件差距。
技術洞察
僅 ICD-10 就有大約 70,000 個代碼，這使得這是一個極端的多標籤分類問題。系統將 NLP 實體識別（在文本中尋找診斷和程序）與代碼層次結構的映射以及強制執行編碼指南（排序、特異性、捆綁）的規則相結合。強大的實現提供了證據鏈接，顯示了證明每個代碼合理性的確切句子，這對於可審計性、合規性以及針對付款人拒絕的索賠進行辯護至關重要。
掌握電子健康記錄編碼中的人工智慧
人工智慧讀取臨床記錄，並自動分配醫院用於支付費用和追蹤護理的標準化計費和診斷代碼。它針對的是一項乏味且昂貴的任務，人類編碼員緩慢、稀缺且容易出現代價高昂的錯誤。電子健康記錄編碼中的人工智慧專注於實際部署：將模型功能轉化為可靠的日常工作流程，提供可衡量的價值。為了建立深入的理解，請將電子健康記錄編碼中的人工智慧視為一種操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地執行的操作與仍需要專家判斷的操作分開。
在實踐中，在電子健康記錄編碼中使用人工智慧的強大團隊專注於工作流程結果，而不是模型演示，並儘早定義人工檢查點。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
應用級設計決定了人工智慧是否能改善實際結果。同時，將損壞的流程自動化可能會加劇現有的問題。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
應用級設計決定了人工智慧是否能改善實際結果。
應用級設計決定了人工智慧是否能改善實際結果。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
良好的工作流程整合可以創造使用者值得信賴的生產力效益。
良好的工作流程整合可以創造使用者值得信賴的生產力效益。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
範圍明確的用例可以減少變更疲勞和實施風險。
範圍明確的用例可以減少變更疲勞和實施風險。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
放射學小組使用自主編碼引擎（例如，來自 Nym 或 CodaMetrix 等供應商）將 ICD-10 和 CPT 代碼分配給影像報告，只需最少的人工審核
電腦輔助編碼工具，例如 3M (Solventum) 360 Encompass 向人類編碼員建議代碼並突出顯示支援文檔
臨床文件完整性團隊使用人工智慧來標記缺乏準確編碼所需特異性的註釋，並提示醫生進行澄清
衛生系統運行人工智慧帳單前審計，以在提交索賠之前發現編碼不足或編碼過多的情況，從而減少付款人拒絕付款的情況
實施模式
人工智慧在電子健康記錄編碼中的實踐
放射學小組使用自主編碼引擎（例如，來自 Nym 或 CodaMetrix 等供應商的引擎）將 ICD-10 和 CPT 代碼分配給影像報告，而無需人工審核。
放射學小組使用自主編碼引擎（例如，來自 Nym 或 CodaMetrix 等供應商）將 ICD-10 和 CPT 代碼分配給影像報告，只需最少的人工審核。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
人工智慧在電子健康記錄編碼中的實踐
3M (Solventum) 360 Encompass 等電腦輔助編碼工具向人類編碼員建議代碼並突出顯示支援文件。
3M (Solventum) 360 Encompass 等電腦輔助編碼工具向人類編碼員建議代碼並突出顯示支援文件。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
人工智慧在電子健康記錄編碼中的實踐
臨床文件完整性團隊使用人工智慧來標記缺乏準確編碼所需特異性的註釋，並提示醫生進行澄清。
臨床文件完整性團隊使用人工智慧來標記缺乏準確編碼所需特異性的註釋，並提示醫生進行澄清。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
人工智慧在電子健康記錄編碼中的實踐
衛生系統運行人工智慧帳單前審計，以在提交索賠之前發現編碼不足或編碼過多的情況，從而減少付款人拒絕付款的情況。
醫療系統運行人工智慧帳單前審計，以在提交索賠之前發現編碼不足或編碼過多的情況，從而減少付款人拒絕付款的情況。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
風險與防護欄
將損壞的流程自動化可能會加劇現有問題。
團隊可能會過度自動化並消除所需的人工判斷。
如果不持續評估輸出，品質可能會出現偏差。
實施路線圖
繪製目前工作流程並確定摩擦最大的步驟。
繪製目前工作流程並確定摩擦最大的步驟。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在完全自動化之前定義人工檢查點。
在完全自動化之前定義人工檢查點。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
對使用者進行提示、升級路徑和品質標準的訓練。
對使用者進行提示、升級路徑和品質標準的訓練。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤任務級結果以確認持續價值。
追蹤任務級結果以確認持續價值。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。