冬天2023

编码角:每个医疗编码技术应该提供的五件事以及如何找到适合您的
Amit Jayakar著
郑重声明
第35卷第1页

自主的、人工智能(AI)驱动的医疗编码技术解决方案可以彻底改变您组织的收入周期。这些解决方案是变革的催化剂;这种变化是积极的还是消极的，很大程度上取决于供应商及其使用的技术类型。

如果您不熟悉自动化医疗编码的解决方案，即使您很熟悉，找到具有正确技术的供应商来帮助您实现特定目标也可能是一项挑战。

你可以采取一些步骤来简化你的搜索。例如，在确定要实现哪个解决方案时，您将希望避免这三个常见的陷阱，并确保您选择的医疗编码技术能够提供这五个特性。

要避免的常见陷阱

部分解决方案
一些编码解决方案声称可以做到这一切，但实际上并非如此。在为您的组织寻找正确的技术解决方案时，可能很难辨别哪些公司提供了完全自主的编码解决方案，哪些是伪装的部分解决方案。然而，良好的第一步是认识到存在这些部分解决方案，以便在搜索过程中保持警惕。

例如，一些公司声称通过技术实现编码自动化，但实际上是在幕后依靠人类进行编码。这不是真正的自动化;它本质上是一个技术支持的离岸编码设施。如果您正在寻找一种解决方案，通过技术真正自动化您的部分医疗编码，请寻找一种不超过8小时返回您的编码遭遇的解决方案。

计算机辅助编码工具
那些不熟悉人工智能编码自动化技术的细微差别的人可能会认为它和计算机辅助编码工具是一样的。然而，这两者是截然不同的。了解这两种技术之间的差异将帮助您避免在实现后对结果感到失望。

计算机辅助编码工具只影响工作流程和生产力;他们没有自动化流程。这些简单的工具可能需要多年的规则定制才能达到它们所宣称的生产率。此外，如果发生任何更改或更新，基于规则的技术往往很容易中断，并且无法快速扩展以响应更高的工作量。

真正使用深度学习人工智能的编码自动化不仅能提高生产率。它的工作方式与实际的人类编码员相同。但是，由于它能够将深度学习人工智能与大量数据结合起来模仿人类智能，因此它可以在没有人类参与的情况下工作。

不能攀登的技术
医疗编码行业发展迅速，跟不上的技术将无法提供您想要的结果。不能快速扩展以满足需求的解决方案只会阻碍运营，而不是改善运营。

例如，如果您在多个地点进行操作，那么实现需要几个月以上的时间来支持所有站点的技术既不节省时间，也不节省成本。或者，如果您的组织经历了患者数量的急剧增加，那么解决方案需要自动满足该需求，并作为现有工作人员的扩展。无法快速构建编码模型表明技术将来无法满足您不断变化的需求。

你不应该妥协的五个期望
寻找一个能做到以下几点的系统:

1.提供了一个健壮的概念证明
在使用特定的解决方案之前，确保供应商能够通过可靠的概念验证测试交付他们所承诺的结果。这将帮助您避免意外地实现上面提到的任何不可扩展的表面部分解决方案。

在进行这个过程时，一定要向供应商提供代表您整个业务的未编码的遭遇——不要挑选几个小样本。测试供应商对所有图表类型的大量数据进行编码的能力是很重要的，这样你就可以完全了解其技术在全面生产时是如何工作的。

2.轻松实现跨编码操作
一旦您找到了一个供应商并使用您的数据测试了其解决方案，下一步就是深入研究其实现过程。如果它很复杂、冗长且资源丰富，那么很难得到公司决策者的支持。有了合适的供应商，实施一个人工智能驱动的解决方案来帮助你的组织实现其编码目标可能只需要6周的时间。

首先要寻找的是一个流程，它不是直接由IT团队承担，而是主要由供应商完成。让我们面对现实吧;你的团队已经有了很大的工作量，让他们承担更大的任务只会让你失败。

以下是与人工智能驱动的自主医疗编码公司合作时的标准实施过程示例，该公司承担了实施过程的很大一部分。

在它开始构建您的编码模型之前，您需要向它的团队提供一些信息。因为这项技术将充当编码团队的另一名成员，所以要像对待新雇佣的员工一样对待这种设置。供应商将需要详细说明您的工作流程期望的信息。概述特定于地点、支付者、提供者或组织的任何非cms自定义指南以及何时应用它们也很重要。

需要来自内部IT部门的一些信息——主要是示例数据，它可以以任何格式提供。优秀的人工智能技术将使用任何格式的样本数据作为构建编码模型的燃料。因此，数据越多越好，因为它们将使深度学习技术更深入地了解组织的日常运营。

一旦人工智能技术建立了编码模型，下一步就是确保它正常工作。您的内部团队可以使用任何EHR编码API、HL7或SFTP文件传输来无缝地将结果传输到您的系统中，而无需任何新的手动工作流程。

整个过程不应该超过三个月，这取决于您的工作流程和编码指南的复杂性。

在寻找和选择自主编码解决方案时，不要忽视快速设置的重要性，这主要是对员工的放手。如果您发现一家公司的技术实现时间超过三个月，或者需要您承担大部分工作，那么您可能需要考虑另一家供应商。

3.提供快速可扩展性
编码和付费指南在不断发展，这使得寻找高度可扩展的AI技术变得至关重要。主要由手动规则或分析师团队提供动力的僵化、不灵活的解决方案将无法交付与其自主对应的解决方案相同的结果。

重要的是要认识到，虽然一些供应商使用AI引擎来构建他们的编码模型，但这些模型是基于规则的。如前所述，基于规则的模型很容易被破坏，并且不能处理数据格式、医生语言或编码指南中有时出现的任何差异。这就是为什么找到一种利用深度学习人工智能的解决方案至关重要，这样它就可以理解各种非结构化数据并快速做出改变。

将人工智能与深度学习算法相结合，使解决方案变得非常灵活和可扩展。一旦人工智能和深度学习驱动的编码模型进行更新，它就会在整个编码操作中自动更新，即使它们跨多个站点工作。这些无缝的自动更新使组织能够满足高精度的需求。

4.自动处理大多数遭遇战
自动化医疗编码解决方案应尽可能提高操作效率，以便现场工作人员可以专注于更复杂的编码任务，如处理拒绝或审计。当工作人员不需要审查大多数的遭遇时，您的编码人员的专业知识是最好的。

与您合作的解决方案应使80%以上的接触自动化，而无需人工参与，涵盖广泛的医疗编码专业，如急诊医学、风险调整和放射学。

5.保证质量和准确性
确保编码操作的质量和准确性对于健康的收入周期至关重要。当意识到不准确的医疗编码每年给医疗组织造成超过200亿美元的损失时，这个事实就非常清楚了，这些损失要么是延迟的，要么是永久性的报销损失。

高准确性和高质量能够提高收入，减少时间和成本效率低下，并为编码人员创造更好的工作环境。

也就是说，找到一个能够保证特定质量和准确性的自主编码解决方案，是在整个部门，甚至整个组织中实现真正变化的可靠方法。

找到适合你的组织的解决方案
筛选各种供应商以找到适合您组织的自主编码解决方案可能很困难。然而，当你知道要寻找什么以及要避免什么时，搜索就会变得不那么费力，更直接。

一种利用深度学习的人工智能驱动的医疗编码技术，可以针对您自己的样本进行彻底测试，易于实施，提供快速无缝的可扩展性，使您的大多数接触自动化，并可以保证其质量和准确性，最终产生最佳结果。

——Amit Jayakar是Fathom公司商业运营副总裁。www.fathomhealth.com)，这是一个深度学习自然语言处理系统，可以加速医疗报销，并得到了包括谷歌风投、8VC和斯坦福大学在内的世界级投资者的支持。Jayakar，可以通过Linkedin (www.linkedin.com/in/amitjayakar - 00985911他在乔治城大学(Georgetown University)获得经济学学士学位，在沃顿商学院(The Wharton School)获得工商管理硕士学位。