概述
每一項受支持的診斷都可能改變保險計畫的給付金額,因此準確性在兩個方向上都至關重要。遺漏真實病況會導致給付不足;新增病歷不支持的診斷則會造成溢付、審計責任以及可能面臨《虛假申報法》(False Claims Act)的風險。
深入探討
The CMS-HCC model predicts each Medicare Advantage enrollee's expected cost from demographic factors and from diagnosis codes grouped into Hierarchical Condition Categories. The result is a risk adjustment factor (RAF) that scales payment to the plan. Hierarchies mean that when related conditions of different severity are coded, only the most severe category in that family counts. Diagnoses reset every calendar year, so a chronic condition must be documented again each year. It must also come from a face-to-face encounter with an acceptable provider type. Diagnostic radiology reports, for example, do not qualify. CMS phased in a revised model, known as V28, over 2024 through 2026. It restructured the categories and removed many diagnosis codes from payment, which changed which findings matter. AI tools read clinical notes, find mentions of conditions, check whether each one is current, negated or historical, map them to ICD-10-CM codes and then to HCCs, and link each finding to supporting text. Coders review the suggestions. That review matters because the most common AI error is to treat a mention as a diagnosis. Problem lists, medication lists, family history and phrases like "history of" do not show that a condition was evaluated or treated at the visit. Audit risk is real. CMS conducts Risk Adjustment Data Validation (RADV) audits, and a 2023 rule allowed extrapolating audit findings across a contract starting with payment year 2018. OIG reports have questioned diagnoses reported only through chart reviews or in-home health risk assessments. The Justice Department has brought False Claims Act cases alleging that plans used chart reviews only to add codes, without deleting unsupported ones. A frequent misconception is that MEAT (Monitor, Evaluate, Assess or Address, Treat) is a CMS regulation. It is an industry convention for auditing. The actual requirement is documentation that supports the code under ICD-10-CM guidelines.
現實世界的實施
一項回溯性審查發現,診所紀錄中記載了伴隨神經病變的第二型糖尿病,且有評估與計畫,但該診斷從未進入申報程序。編碼員確認了該文件,並針對該服務日期提交了 E11.40 代碼。
一個執行雙向審查的 AI 標記了一次門診,該門診針對一位多年前已中風的患者使用了急性中風代碼。它建議刪除該代碼,並根據文件記錄,改用中風病史或其後遺症的代碼。
紀錄中提到每週三次的透析,但沒有任何醫療提供者記錄過末期腎臟病(ESRD)。該工具不會編碼 ESRD,而是發送一份文件查詢,以便主治醫師能在下次就診時處理。
在年度健康檢查前,系統會列出去年有記錄但今年尚未記錄的病況。臨床醫師必須在就診期間實際評估每一項病況,僅勾選確認是不夠的。
HCC 風險調整編碼中 AI 的未來
風險調整面臨來自多方面的壓力:V28 轉型、擴大帶有外推法的 RADV 審計,以及持續的聯邦執法。僅以能找出多少新代碼作為行銷賣點的工具,正成為日益嚴重的負債。那些結合了「找出遺漏病況」與「刪除不實代碼」,並保留證據追蹤軌跡的工具,才符合監管機構目前的發展方向。在就診前使用 AI,促使臨床醫師在就診時評估病況,而非事後才搜尋代碼,是一種更具抗辯力的模式。支付模型的具體未來變更應參考 CMS 的公告,而非預測。
付諸實踐
為什麼這很重要
- 背景與規則. 產業背景決定了人工智慧創意能否與現實接觸。
- 品質管控. 領域約束會影響可接受的錯誤率和監督模型。
- 配裝選擇. 成功的部署使技術能力與第一線工作流程保持一致。
留意
- 監理要求可能會使原本強大的原型失效。
- 歷史資料可能會編碼損害特定社區的偏見。
- 遺留系統可能會造成整合瓶頸和隱性成本。
後續步驟
- 讓領域專家參與從問題框架到評估的整個過程。
- 在啟動前設計審計追蹤和文件。
- 儘早驗證合規性和安全義務。
- 分階段推出,並有明確的停止和回滾標準。
不斷探索
常見問題
什麼是 HCC 風險調整編碼中的 AI?
HCC 風險調整編碼中的 AI 會掃描病歷,找出對應至層級化病況類別(Hierarchical Condition Categories, HCC)的已記錄慢性病,CMS 會利用這些類別來計算 Medicare Advantage 投保人的風險分數與給付。每一項受支持的診斷都可能改變保險計畫的給付金額,因此準確性在兩個方向上都至關重要。遺漏真實病況會導致給付不足;新增病歷不支持的診斷則會造成溢付、審計責任以及可能面臨《虛假申報法》(False Claims Act)的風險。
在 CMS-HCC 層級架構下,當同時編碼不同嚴重程度的相關病況時會發生什麼事?
層級架構可防止同一病況類別內的重複計算。只有最嚴重的類別會計入風險分數。
為什麼慢性病必須在每個日曆年重新記錄?
風險分數每年都會根據該年度的合格就診紀錄重新計算,因此終身性病況必須每年重新獲得支持。
紀錄中提到透析,但沒有提供者記錄過 ESRD。正確的工作流程是什麼?
編碼員不能指定提供者未記錄的診斷。正確的做法是進行查詢,以便主治醫師能處理該病況。
什麼使病歷審查成為「雙向」的?
雙向審查會修正兩個方向的錯誤。《虛假申報法》案件曾針對那些被指控只會新增代碼的病歷審查進行調查。
根據指南,關於 MEAT 的哪項陳述是準確的?
MEAT 是一種廣泛用於組織審查的方法,但 CMS 的實際標準是根據 ICD-10-CM 指南,提供支持該診斷的文件記錄。