Чи замінить ШІ медичних кодерів? [Відео та вікторина]

Коротка відповідь:
ШІ не повністю замінить медичних кодерів, але змінить спосіб виконання роботи. Коли документація є рутинною та структурованою, ШІ може виконувати повторювані кроки; коли справи складні, спірні або перевіряються, людське судження залишається центральним. Роль змінюється, перш ніж зникне кількість персоналу.

Ключові висновки:

Автоматизація завдань: Штучний інтелект бере на себе повторювану роботу з кодування, створюючи простір для ретельного аналізу та обробки винятків.

Людська відповідальність: Кодери залишаються відповідальною стороною, коли виникають аудити, апеляції, відмови або питання щодо відповідності.

Еволюція ролей: Ролі кодувальників тяжіють до аудиту, CDI, управління відмовами, інтерпретації політик та управління.

Управління ризиками: Швидше кодування може підвищити ризик відповідності, якщо швидкість перевищує нагляд, а перевірка людиною зменшується.

Стійкість до кар'єри: знання інструкцій, вільне володіння політикою платників та вміння проводити аудит залишаються довговічними та затребуваними навичками.

Чи замінить ШІ медичних кодерів? Що означає «замінити» на практиці 🤔

Коли люди запитують : «Чи замінить штучний інтелект медичних кодерів?», вони зазвичай мають на увазі одне з цього:

• Заміна штату – загалом потрібно менше кодерів

• Заміна завдань – робота змінюється, але кодери залишаються

• Замініть відповідальність – ШІ ​​приймає остаточні рішення, а люди просто спостерігають

• Замініть ролі початкового рівня — першим змінюється процес 😬

З мого досвіду, спостерігаючи за тим, як команди впроваджують автоматизацію, найбільшим зрушенням рідко є «зникнення кодерів». Це радше схоже на те, що
рутинне кодування стає швидшим, крайні випадки — гучнішими, а аудит стає повноцінною тіньовою діяльністю кожного. (OIG – Загальні рекомендації щодо програми відповідності)

Штучний інтелект чудово справляється з повторенням. Кодування — це не просто повторення. Кодування — це повторення плюс оцінка плюс дотримання вимог плюс дивність платника плюс розгадування загадок «чому це в примітці». 🕵️♀️

Тож так, ШІ може замінити частину роботи. Повна заміна професії — це зовсім інша справа.

Що робить медичне кодування на основі штучного інтелекту гарною версією? ✅

Якщо ми говоримо про «хорошу версію» ШІ для медичного кодування, то це не та, що має найяскравіший маркетинг. Це та, що поводиться як надійний колега, не панікує, не має галюцинацій та демонструє свою роботу. (NIST AI RMF 1.0, NIST Generative AI Profile (AI 600-1))

Гарна система (або робочий процес) кодування на основі штучного інтелекту зазвичай має:

• Потужне клінічне НЛП, яке справляється з непокірними нотатками (диктовки, шаблони, спагеті з копіюванням та вставкою 🍝)

• Пропозиції щодо коду з обґрунтуванням (не просто код, а чому)

• Оцінка впевненості з пороговими значеннями, які можна налаштувати

• Аудиторські журнали для дотримання вимог та відповіді платників (CMS MLN909160 – Вимоги до медичної документації)

• Узгодження правил + інструкцій (редагування МКХ-10-CM, CPT, HCPCS, NCCI, політики платників… весь цей цирк 🎪) (Керівництво CMS щодо кодування МКХ-10-CM за 2026 фінансовий рік, редагування CMS NCCI)

• Контроль «людина в циклі» , що дозволяє кодерам приймати, змінювати або відхиляти (NIST AI RMF 1.0)

• Інтеграція, яка не порушує робочий день кожного (електронна медична карта, кодер, CAC, система виставлення рахунків)

Якщо інструмент не може пояснити свою роботу, він не замінює нічого безпечно. Він лише швидше породжує тривогу. (Профіль генеративного штучного інтелекту NIST (AI 600-1))

Порівняльна таблиця: найкращі варіанти кодування за допомогою штучного інтелекту (і де вони підходять) 📊

Нижче наведено практичну порівняльну таблицю поширених підходів до кодування за допомогою штучного інтелекту. Вона не є ідеально зрозумілою… як і її реалізація.

Помітили закономірність? Чим більш «безконтактним» це намагається бути, тим більше управління вам потрібно, щоб уникнути проблеми з уповільненим дотриманням вимог. Цікаво. (OIG – Загальні рекомендації щодо програми дотримання вимог)

Чому ШІ справді добре справляється з деякими аспектами кодування 😎

Давайте віддамо належне ШІ там, де він заслужений. Є сфери, де він справді сильний:

1) Розпізнавання образів у великих масштабах

Багаторазові, повторювані зустрічі з послідовною документацією? Штучний інтелект часто може впоратися з:

• рутинне діагностичне кодування для поширених станів

• просте кодування процедур, коли документація чиста

• швидкий пошук підтверджуючих доказів (лабораторні дослідження, візуалізація, списки проблем)

2) Прискорення «полювання»

Навіть досвідчені кодери витрачають час на пошук:

• де знаходиться заява постачальника

• де специфіка?

• що підтверджує медичну необхідність

• Де ж ця, бляха, латеральність 😩

Штучний інтелект може виявляти релевантні рядки, позначати відсутню специфіку та зменшувати втому від прокручування. Це не гламурно, але це справжня продуктивність.

3) Моделі запобігання запереченню

Штучний інтелект може вивчати такі закономірності, як:

• поширені причини відмови з боку платника

• прогалини в документації, пов'язані з певними послугами

• модифікатори, які часто відхиляються без додаткової підтримки (CMS MLN909160 – Вимоги до медичної документації, програма CMS CERT)

Кодери вже роблять це подумки. Штучний інтелект просто робить це шумно та швидше.

Чому ШІ має труднощі з тим, за роботу з якими платять кодерам 😬

А тепер зворотний бік. Частини, які порушують автоматизацію, зазвичай ті самі, що відділяють «введення коду» від «кодування»

Клінічна неоднозначність та клініцистичні настрої

Постачальники пишуть такі речі, як:

• «ймовірно», «виключає», «підозрює», «не можна виключити»

• «історія», «статусний пост», «вирішено», «хронічний, але стабільний»

• «ймовірна пневмонія, але також може бути застійна серцева недостатність»

Штучний інтелект може неправильно інтерпретувати невизначеність і перетворювати її на певність. Це… не така вже й мила помилка.

Нюанси в інструкціях (і хаос у політиці платників)

Кодування — це не просто «те, що сталося клінічно». Це:

• тлумачення настанов

• логіка послідовності

• правила пакетної торгівлі

• вимоги до платників

• логіка медичної необхідності

• особливості місцевого охоплення (Керівництво з кодування МКХ-10-CM CMS за 2026 фінансовий рік, редагування CMS NCCI)

Штучний інтелект, звісно, ​​може вивчати закономірності. Але коли платник змінює правило, люди підлаштовуються навмисно. Штучний інтелект підлаштовується з розгубленістю та впевненістю. Це погана комбінація.

Проблема «одного пропущеного речення»

Один рядок може вплинути на вибір коду, реєстрацію груп ризиків (DSG), відстеження ризиків HCC або рівень E/M. Штучний інтелект може його пропустити, або, що ще гірше, зробити висновок. А висновок у кодуванні схожий на будівництво мосту з желе. Виглядає добре, поки ви на нього не наступите.

Отже… Чи замінить ШІ медичних кодерів? Найреалістичніший результат 🧩

Повертаючись до основної ключової фрази: чи замінить штучний інтелект медичних кодерів?
Моя найкраща обґрунтована відповідь: штучний інтелект спочатку замінює частини роботи, потім переформатує посади та зменшує кількість персоналу лише там, де організації вирішують не реінвестувати зекономлений час.

Переклад:

• Деякі організації використовуватимуть штучний інтелект для підвищення пропускної здатності без звільнень

• Дехто використовуватиме це для скорочення витрат (і подальшого вирішення наслідків подальшого виробництва)

• Деякі робитимуть поєднання, залежно від ліній обслуговування

Але ось один нюанс, який люди не помічають: якщо ШІ збільшує швидкість, він також може збільшити ризик. Цей ризик стимулює попит на:

• аудитори

• рецензенти відповідності

• викладачі програмування

• фахівці з управління відмовами

• Фахівці з CDI та управління запитами

• ролі в управлінні якістю даних (OIG – Загальні рекомендації щодо програми відповідності, програма CMS CERT)

Тож заміна — це не прямолінійний процес. Це більше схоже на бігову доріжку в сандалях. Прогрес… але трохи хиткий. 😅

Що змінюється першим: стаціонарне лікування проти амбулаторного лікування проти лікування професійним лікуванням 🏥

Не вся робота з кодування зазнає однакового впливу. Деякі області легше автоматизувати, оскільки документація та правила більш структуровані.

Амбулаторне та професійне

Часто спостерігається швидша автоматизація, тому що:

• великий обсяг

• повторювані шаблони

• більше структурованих каналів даних

• легше застосовувати редагування на основі правил + підказки штучного інтелекту (редагування CMS NCCI)

Але складність вирівнювання E/M, прийняття медичних рішень та перевірки платників все ще робить людей дуже актуальними. (CMS MLN006764 – Послуги з оцінювання та управління)

Стаціонарне лікування

Кодування стаціонарних пацієнтів має величезну варіативність:

• тривале перебування з множинними діагнозами

• ускладнення, супутні захворювання, процедури

• Вплив ДСГ та нюанси послідовності дій

• розлад постійної документації (Керівництво з кодування МКХ-10-CM CMS за 2026 фінансовий рік)

Штучний інтелект може допомогти, але «безконтактне стаціонарне лікування» для багатьох лікарень є радше мрією, ніж реальністю.

Спеціальні смуги

Радіологія та патологія можуть отримати значні переваги завдяки структурованій звітності. Відділення невідкладної допомоги може бути змішаним – швидкі, шаблонні нотатки, але неохайна реальність.

Приховане поле битви: дотримання вимог, аудит та підзвітність 🧾

Ось тут і стає нестабільним принцип «заміни».

Навіть коли ШІ пропонує коди, відповідальність все одно зосереджується на чомусь конкретному:

• Заклад

• Постачальник послуг виставлення рахунків

• Кодер, який натиснув кнопку «прийняти»

• Менеджер, який встановлював пороги

• Постачальник, який сказав, що це було точно (ха-ха) (OIG – Загальні рекомендації щодо програми відповідності)

Команди з дотримання вимог зазвичай хочуть:

• відстежуваність

• обґрунтування виправданого кодування

• послідовне застосування рекомендацій

• документація, готова до аудиту (CMS MLN909160 – Вимоги до медичної документації)

Штучний інтелект може це підтримувати, але лише якщо робочий процес побудовано таким чином, щоб зберігати докази та зменшувати сліпе прийняття. (NIST AI RMF 1.0)

Трохи прямолінійно: якщо ваш робочий процес зі штучним інтелектом заохочує до однозначного погодження, ви не заощаджуєте гроші. Ви позичаєте проблеми. З відсотками. 😬 (GAO-19-277, програма CMS CERT)

Як залишатися цінним: набір навичок кодера, стійкого до штучного інтелекту 💪🧠

Якщо ви медичний кодер і читаєте це з відчуттям стиснення в грудях, ось вам гарна новина: ви можете підготуватися до тієї частини роботи, яку штучний інтелект не може безпечно виконувати.

Навички, які добре старіють (навіть у середовищі з високим вмістом штучного інтелекту):

• Аудит та перевірка якості (виявлення недоліків, а не лише швидкого виконання) (OIG – Загальні рекомендації щодо програми відповідності)

• Інтерпретація рекомендацій (та їх чітке пояснення) (Керівництво з кодування CMS за 2026 фінансовий рік за МКХ-10-CM)

• Навігація політики платників (бо політики… пікантні 🌶️)

• Співпраця та стратегія запитів CDI

• Аналіз першопричин відмови (CMS MLN909160 – Вимоги до медичної документації, програма CMS CERT)

• Грамотність у сфері коригування ризиків (логіка HCC, цілісність документації) (CMS Risk Adjustment)

• Спеціалізована експертиза (ортопедія, кардіологія, неврологія, онкологія тощо)

• Управління ШІ – допомога у встановленні порогових значень, категорій помилок, циклів зворотного зв'язку (NIST AI RMF 1.0)

Якщо ШІ — це калькулятор, то ви не стаєте застарілими, якщо краще виконуєте математичні обчислення. Ви стаєте ціннішими, знаючи, коли калькулятор помиляється і чому.

Як організації повинні впроваджувати штучний інтелект, не роблячи всіх нещасними 😵💫

Якщо ви належите до лідерства, ось моделі впровадження, які, на мою думку, працюють найкраще:

1) Почніть зі слова «допомогти», а не «замінити»

Використовуйте ШІ для:

• пріоритезація діаграм

• з'являються докази

• пропозиції коду з оцінками достовірності

• Маршрутизація робочого процесу на основі складності

2) Створюйте петлі зворотного зв'язку так, як ви це маєте на увазі

Якщо кодери виправляють вивід ШІ, зафіксуйте це:

• який тип помилки

• чому це сталося

• яка документація це спричинила

• як часто це повторюється

Інакше інструмент ніколи не покращиться, і всі просто вдосконаляться в його ігноруванні.

3) Сегментація роботи за складністю

Практичний робочий процес:

• низька складність - більше автоматизації

• середня складність - робочий процес у парі кодер + ШІ

• висока складність — спочатку експерт-кодер, потім ШІ (так, потім)

4) Вимірюйте правильні результати

Не лише продуктивність. Також:

• показники відмов

• висновки аудиту

• коефіцієнти скасування

• обсяг запитів та якість відповідей

• задоволеність кодера (серйозно) (програма CMS CERT)

Якщо продуктивність зростає, а кількість заперечень також зростає… це не перемога. Це блискуча проблема.

Як виглядає майбутнє (без науково-фантастичної драми) 🔮

Не вдаваймо, що нічого не зміниться. Зміниться. Але наратив про «кінець кодерів» надто простий.

Швидше за все:

• менше ролей, пов'язаних виключно з введенням коду

• більше гібридних ролей (кодування + аудит + аналітика + відповідність)

• команди кодування стають командами якості даних

• цілісність документації стає важливішою

• Штучний інтелект стає стандартним колегою, яким ви керуєте, подобається вам це чи ні (NIST AI RMF 1.0, OIG – Загальні рекомендації щодо програми відповідності)

І так, деякі робочі місця будуть скорочені в деяких умовах. Це реально. Але охорона здоров'я любить регулювання, мінливість, винятки та паперову роботу. Штучний інтелект може впоратися з багатьма речами... але охорона здоров'я має талант винаходити нові складні рішення, ніби це хобі.

Посадка літака: Чи замінить ШІ медичних кодерів? 🧡

Давайте посадимо цей літак.

Чи замінить ШІ медичних кодерів? Не в тому чистому, тотальному, науково-фантастичному сенсі, як це мають на увазі люди. ШІ безумовно зменшить кількість повторюваних завдань, прискорить рутинне кодування та змусить організації реорганізувати команди. Він також створить більшу потребу в нагляді, аудиті, захисті від дотримання вимог, стратегії заперечення та роботі з цілісністю документації. (AHIMA – Набір інструментів для комп’ютерного кодування, OIG – Загальні рекомендації щодо програми відповідності)

Короткий огляд 🧾

• Штучний інтелект замінить частину завдань кодування більше, ніж кодерів

• «Безконтактне» кодування найкраще працює у вузьких, чистих, повторюваних випадках (AHIMA – Набір інструментів для комп’ютерного кодування)

• Складне кодування все ще потребує людської оцінки та відповідальності (Керівні принципи кодування CMS FY 2026 ICD-10-CM, CMS MLN909160 – Вимоги до документації медичних записів)

• Найбезпечніший шлях — це залучення людини до процесу з надійними журналами аудиту (NIST AI RMF 1.0)

• Кодери, які розвиваються в аудиті, комплаєнсі, CDI, політиці платників та спеціалізованій експертизі, стають ще ціннішими (OIG – Загальні рекомендації щодо програми комплаєнсу, програма CMS CERT)

Також, якщо бути відвертим… якщо ШІ колись справді повністю «замінить» кодування, то це станеться тому, що документація стане ідеальною. І це найнереальніша річ, яку я казав за весь день 😂 (CMS MLN909160 – Вимоги до медичної документації)

Приклад з реального світу: створення робочого процесу кодування за допомогою штучного інтелекту для амбулаторних пацієнтів 🧪

Сценарій

Уявіть собі амбулаторну клініку середнього розміру, яка обробляє постійний потік візитів до первинної медичної допомоги, кардіології та ортопедії. Команда кодувальників не намагається замінити кодувальників. Вони намагаються зменшити виснажливу роботу: пошук оцінки лікаря, перевірка того, чи задокументовано латеральність, виявлення відсутньої специфічності та виявлення очевидних модифікаторів або проблем медичної необхідності до того, як будуть подані заяви.

У цьому прикладі сценарію штучний інтелект використовується як помічник першого проходження. Він переглядає запис про зустріч, пропонує ймовірні коди ICD-10-CM та CPT, виділяє точний текст записки, який підтверджує кожну пропозицію, та позначає все, що потребує рішення людини.

Кодер все одно приймає остаточне рішення. Ніякого автоматичного подання заявки. Ніякого затвердження на кшталт «ШІ так сказав». Нудно? Можливо. Безпечніше? Звичайно.

Що потрібно помічнику

Практичному помічнику з кодування зі штучним інтелектом знадобиться:

• Нещодавні записи про амбулаторні зустрічі з видаленими ідентифікаторами пацієнтів для тестування

• Поточні посилання на ICD-10-CM, CPT, HCPCS, NCCI та політику платників

• Приклади раніше прийнятих кодованих зустрічей

• Приклади відхилених або виправлених претензій

• Чіткий поріг достовірності, наприклад, «надсилайте все, що нижче 85% достовірності, на повну перевірку людиною»

• Правило, згідно з яким помічник повинен процитувати або вказати на підтверджувальну документацію, перш ніж запропонувати код

• Процес зворотного зв'язку кодера щодо прийнятих, відхилених та змінених пропозицій

Головне не просто давати йому нотатки. Головне — навчити його, як виглядає «захищений» стан.

Приклад інструкції

Ви допомагаєте сертифікованому медичному кодувальнику з амбулаторним кодуванням за професійний гонорар. Перегляньте запис про зустріч та запропонуйте можливі варіанти ICD-10-CM, CPT, HCPCS та модифікаторів лише за умови, що це підтверджено документацією. Для кожної пропозиції наведіть підтверджувальну фразу з записки, чітко поясніть логіку кодування та позначте будь-яку відсутню специфіку, невизначеність, занепокоєння щодо політики платника або прогалину в документації. Не завершуйте розгляд заяви. Позначте кожен пункт як низький, середній або високий рівень достовірності. Будь-який невизначений діагноз, незрозуміла процедура, відсутня латеральність або непідтверджена медична необхідність повинні бути передані на розгляд людині.

Як це перевірити

Почніть із 30 вже закодованих амбулаторних візитів, розподілених на прості, середні та складні випадки.

Тестові питання можуть включати:

• Чи може асистент знайти підтвердження діагнозу, не вигадуючи відсутні деталі?

• Чи правильно він позначає діагнози як «можливий», «виключений» або «підозрюваний»?

• Чи виявляє він відсутню латеральність в ортопедичних випадках?

• Чи пояснює це, чому може знадобитися модифікатор, замість того, щоб просто запропонувати його?

• Чи визначає документація випадки, коли вона не підтримує вибраний рівень E/M?

• Чи це загострює незрозумілі справи замість того, щоб змушувати до впевненої відповіді?

Цінним тестом є порівняння трьох версій однієї й тієї ж діаграми: однієї чистою, однієї без ключового речення та однієї з суперечливою документацією. Коли ШІ дає однакову відповідь для всіх трьох, він не готовий.

Результат

Ілюстративний результат: на основі хронометражу 30 зразків амбулаторних візитів до та після використання робочого процесу.

До появи підтримки штучного інтелекту, кодер витрачав у середньому 7 хвилин на кожну звичайну зустріч на перегляд, підтвердження коду та перевірку документації. Зі штучним інтелектом, що виділяє докази та пропонує перші рекомендації, цей час скоротився до 4 хвилин на кожну звичайну зустріч.

Це дорівнює:

• 90 хвилин зекономлено за 30 зустрічей

• 3 хвилини економії на графік процедури

• 0 діаграм, автоматично надісланих без перевірки кодувальником

• 5 зіткнень загострилися через те, що штучний інтелект виявив відсутність латеральності, нечіткий діагноз або слабку медичну підтримку

• 2 пропозиції щодо штучного інтелекту відхилено, оскільки підтверджувальна документація була недостатньо переконливою

Найціннішим показником тут є не «точність ШІ» сама по собі. Це пропозиції, прийняті кодером після перевірки. У цьому тесті 23 з 30 зустрічей мали прийняту принаймні одну пропозицію ШІ, але лише 18 були прийняті без змін коду. Ця відмінність має значення.

Що може піти не так

Найбільший ризик — це сліпе прийняття. Коли кодери починають натискати «прийняти», бо інструмент звучить впевнено, робочий процес перетворюється на проблему відповідності вимогам, якщо носити капелюх продуктивності. 🎩

Інші поширені помилки включають:

• Дозволити ШІ ставити діагнози лише на основі лабораторних даних або даних про ліки

• Використання застарілих правил платників

• Ігнорування попереджень про низький рівень достовірності через наявність резервної копії черги заявок

• Вимірювання лише швидкості, а не відмов чи висновків аудиту

• Неможливість зафіксувати, чому кодери змінили або відхилили пропозиції щодо ШІ

• Розгляд чистих результатів аналізів як доказ того, що система може обробляти складні амбулаторні карти

Безпечніше налаштування дозволяє штучному інтелекту залишатися в ролі помічника: пропонувати, показувати докази, пояснювати невизначеність та ескалювати.

Практичний висновок

Найкраще використання ШІ в медичному кодуванні — це не «нехай машина кодує все». Це «зробити огляд кодера чіткішим і швидшим». Коли робочий процес заощаджує три хвилини на кожну звичайну діаграму, одночасно виявляючи прогалини в документації перед виставленням рахунків, це має справжню цінність. Але цінність зберігається лише тоді, коли люди все ще володіють судженнями, журналом аудиту та остаточним рішенням.

Найчастіші запитання

Чи повністю замінить штучний інтелект медичних кодерів у найближчі кілька років?

Штучний інтелект навряд чи повністю замінить медичних кодерів найближчим часом. Більшість реальних застосувань зосереджені на допомозі у виконанні рутинних завдань з великим обсягом роботи, а не на повному позбавленні від цієї ролі. Кодування все ще вимагає судження, інтерпретації рекомендацій та усвідомлення відповідності. На практиці ШІ змінює те, як працюють кодери, більше, ніж те, чи потрібні вони взагалі.

Як штучний інтелект зараз використовується в робочих процесах медичного кодування?

Штучний інтелект зазвичай використовується для пропонування кодів, виявлення відповідної документації, позначення відсутньої специфіки та сортування карт за складністю. Багато систем працюють за моделлю «людина в циклі», де кодери переглядають, коригують або відхиляють пропозиції ШІ. Це підвищує швидкість без передачі відповідальності. Нагляд залишається важливим для дотримання вимог та точності.

Які частини медичного кодування найлегше автоматизувати за допомогою штучного інтелекту?

Штучний інтелект найкраще працює з повторюваними, добре задокументованими випадками, такими як звичайні амбулаторні візити або структуровані спеціалізовані звіти. Сценарії великого обсягу, побудовані на узгоджених шаблонах, легше автоматизувати. Пошук коду, виділення доказів та виявлення базових шаблонів заперечення, як правило, є сильними варіантами використання. Складне клінічне судження залишається складним завданням.

Чому штучний інтелект має проблеми зі складними або неоднозначними медичними записами?

Клінічна документація часто містить невизначеність, суперечливі діагнози та неточну мову. Штучний інтелект може неправильно інтерпретувати такі кваліфікатори, як «можливо» або «виключити», як підтверджені стани. Він також може пропустити одне критичне речення, яке змінює послідовність або тяжкість. Ці нюанси лежать в основі відповідного кодування та їх важко безпечно автоматизувати.

Чи зменшить штучний інтелект кількість вакансій початкового рівня в галузі медичного кодування?

Початкові посади можуть спочатку відчувати тиск, оскільки рутинна робота стає більш автоматизованою. Деякі організації можуть уповільнити набір, тоді як інші переводять молодших кодерів на посади аудиторської підтримки або контролю якості. Вплив залежить від організації та напрямку послуг. Кар'єрні шляхи можуть змінюватися та переналаштовуватися, а не зникати.

Як штучний інтелект впливає на відповідність вимогам та аудиторські ризики в медичному кодуванні?

Штучний інтелект може збільшити як швидкість, так і ризики, коли управління слабке. Швидше кодування без надійних процесів перевірки може збільшити рівень відмов або викриття аудиторів. Командам з дотримання вимог все ще потрібні відстежувані обґрунтування та обґрунтовані рішення. Людський огляд, журнали аудиту та чітка підзвітність залишаються критично важливими гарантіями.

Які навички допомагають медичним кодерам залишатися цінними в середовищі зі штучним інтелектом?

Навички, пов'язані з аудитом, інтерпретацією інструкцій, аналізом політики платників та управлінням відмовами, як правило, добре старіють. Кодерів, які розуміють, чому код правильний, а не лише який код вибрати, важче замінити. Спеціалізований досвід та співпраця з CDI також додають цінності. Багато посад рухаються в бік якості та управління.

Чи реалістичне «безконтактне» медичне кодування для більшості організацій?

Безконтактне кодування може спрацювати для вузьких, простих випадків з чіткою документацією. Для складних стаціонарних або багатопрофільних випадків воно часто не спрацьовує. Більшість організацій отримують кращі результати за допомогою гібридних робочих процесів. Повна автоматизація зазвичай збільшує потребу в подальших аудитах та виправленнях, а не усуває роботу.

Посилання

1. Офіс Генерального інспектора (OIG), Міністерство охорони здоров'я та соціальних служб США - Загальні рекомендації щодо програми відповідності - oig.hhs.gov

2. Національний інститут стандартів і технологій (NIST) - Структура управління ризиками штучного інтелекту (AI RMF 1.0) - nist.gov

3. Національний інститут стандартів і технологій (NIST) - Профіль генеративного штучного інтелекту (NIST AI 600-1) - nist.gov

4. Центри послуг Medicare та Medicaid (CMS) - Вимоги до медичної документації (MLN909160) - cms.gov

5. Центри послуг Medicare та Medicaid (CMS) - Керівні принципи кодування ICD-10-CM за 2026 фінансовий рік - cms.gov

6. Центри послуг Medicare та Medicaid (CMS) - Редагування Національної ініціативи з правильного кодування (NCCI) - cms.gov

7. Американська асоціація управління медичною інформацією (AHIMA) - Інструментарій комп'ютерного кодування - ahima.org

8. Центри послуг Medicare та Medicaid (CMS) – Програма комплексного тестування коефіцієнта помилок (CERT) – cms.gov

9. Центри послуг Medicare та Medicaid (CMS) - Послуги з оцінювання та управління (MLN006764) - cms.gov

10. Управління підзвітності уряду США (GAO) - GAO-19-277 - gao.gov

11. Центри послуг Medicare та Medicaid (CMS) – Коригування ризиків – cms.gov

Знайдіть найновіший штучний інтелект в офіційному магазині помічників зі штучним інтелектом

Про нас