32021

计算机辅助编码背后的逻辑
苏珊·查普曼
郑重声明
第三十三卷第二页

如果使用得当，该技术为组织提供了一个提高编码效率的机会，同时还带来了一些其他好处。

计算机辅助编码(CAC)用于审查和分析医学文档，并生成与文档内容一致的代码，可以将其与文字处理程序中的拼写检查或发短信时产生的建议进行比较。在所有情况下，系统都会“读取”信息，并根据这些数据提出代码建议。

随着卫生保健行业为ICD-10的实施做准备，CAC变得更具吸引力。“从供应商的角度来看，大多数组织在大约五年前因为ICD-10而转向CAC。他们觉得有必要减轻采用新代码集的挑战并提高效率，”3M Health Care的营销经理Diana Ortiz解释说，她是JD、注册会计师、CDIP、CCDS、CCDS- o。“如果没有CAC，各组织将难以跟上新的ICD-10代码的数量和图表的数量。随着时间的推移，从CAC中获得的效率已被应用于保持文档和编码的质量。”

AHIMA的2021年总裁兼主席、MHSM、RHIA、FAHIMA的Katherine Lusk指出，ICD-10加上德克萨斯州预期支付系统(一种固定费用报销系统)的出现，促使她的前雇主德克萨斯州儿童卫生系统采用了CAC。Lusk说:“我们的程序员可能跟不上，所以我们决定去CAC支持他们。”

选择合适的系统
人工智能(AI)初创企业diagnostics的创始人兼首席执行官Abboud Chaballout表示，大多数CAC工具都是基于逻辑或知识的，这两种工具都有局限性。他解释说:“以知识为基础的系统使用关键字搜索工具，这在本质上是有限制的，非常严格，特别是当某些东西超出了参数范围时。”“以知识为基础更多的是能够提供引用，为正在使用的代码提供理由。从本质上讲，系统会说，“这是我们正在处理的代码，这就是为什么这个代码是合理的。”

“基于逻辑的软件是基于规则的，基于知识的系统也可以基于规则。例如，您有一个仅由一个特定诊断代码定义的过程代码。现在你有了一个匹配，下面是你可以参考的规则。这两种类型的系统都假设您知道自己在寻找什么。它们基本上是带你踏上一段寻找密码的旅程，你必须知道在这些情况下你是在寻找密码。”

为了应对Chaballout所描述的局限性，诊断公司开发了一种人工智能深度学习系统，可以作为工厂编码员的“编码助理”。“在深度学习引擎中，你给机器输入笔记样本，比如医生的笔记，然后输入适当的代码。然后，机器开始观察模式，通过从数据中得出推论来理解数据，并自己拼凑出规则，”查巴尔特说。“通过这种方式，机器开始理解它以前从未见过的东西。它生成的代码不是基于规则和关键字。”

奥尔蒂斯认为，人工智能的方法是最好的。“但当你从人工智能的角度考虑构建系统时，至关重要的是，它们建立在一个专家系统上，包括定义良好的逻辑和准确的编码知识。我们的CAC决策树基于几十年来建立的专家系统，该系统已经扩展到包括基于逻辑和基于知识的组件，”她说。

Facility-Specific技术
人工智能或深度学习系统可以是特定于设备的，因为技术可以适应输入和工作流程。Chaballout说:“电子病历和我们存储数据的方式存在太多差异。“通用元素和特定设施元素必须协同工作。”

Lusk说，基于逻辑和知识的系统必须根据它们所支持的设施进行调整。“知识必须是针对设施和供应商的。没有一个CAC供应商是电子病历供应商。医疗保健真的很微妙。因此，CAC系统必须是特定于EHR供应商、设施甚至个人的。所有的CAC供应商都必须以这些方式为目标。他们还必须在一定的标准下运作，他们确实是这样做的。”

Ortiz同意组织需要与行业标准保持一致，但也认为定义特定组织的特定内容是至关重要的，他指出，“当编码在整个行业标准化时，组织必须决定哪些记录和文档将用于支持编码，哪些将不用于支持编码。决定什么构成你的合法医疗记录，以及什么文件可以提供给你的CAC系统是一个具体的决定。例如，文档查询可能是一个医疗保健组织的合法医疗记录的一部分，而不是另一个医疗保健组织的一部分。您希望确保CAC系统根据您的组织确定的正确文档或正确文档的一部分进行编码。”

学习能力
深度学习系统基于它们的学习和适应能力，但这些技能在基于知识和逻辑的系统中并不那么明显。例如，Lusk说，2012年由德克萨斯州儿童健康系统实施的系统继续适应编码人员和环境。她解释说:“我们的程序员变得更有效率了，他们更多地利用了这些工具。“所以，系统已经学会了。随着时间的推移，这台机器也在不断学习和成长。”

奥尔蒂斯对此表示赞同，但也提出了警告。“CAC系统始终处于学习模式，但系统学习的规模可能会有很大的不同，”她说。“如果CAC系统只应用于一个组织的某些文件，那么它只学习一个设施。所以，在这种情况下，系统可能没有足够的学习能力来发挥作用。当CAC系统扩展到由CAC引擎跨多个设施处理的大量文档时，机器学习就会发挥作用，精度和召回率都会提高，学习的速度也会更快。”

关于深度学习，Chaballout说明了该技术如何能够适应特定的组织和编码人员。他说:“系统不会等待编码员搜索或知道。”“它不断地阅读笔记，并向编码员提供建议。这就是网络广告的运作方式。你在网上搜索一个篮球。搜索引擎现在知道你在搜索一个篮球，并生成一个广告。你所要做的就是点击广告。例如，在深度学习CAC的情况下，医生记录糖尿病患者的情况，系统提供许多适当的代码。然后，提供者或编码器可以选择正确的工具，如果他们愿意，可以与编码器工具交叉检查，并选择最好的一个。系统会从每次遭遇中学习。”

Chaballout解释说，该系统的学习方式与自动驾驶汽车学习从a点自动导航到b点的方式相同。一旦驾驶员输入地址，汽车将确定转弯、速度和其他驾驶功能。如果司机知道一条更好的路线，那么这个人就可以自由地接管方向盘，自动驾驶汽车将保留这些新知识。

“深度学习CAC与此非常相似，”查巴洛特说。“当您使用基于知识的工具时，文档和工具之间存在差距。大多数当前的CAC系统严重依赖于编码员提出建议。另一方面，人工智能驱动的CAC允许你跳过几个步骤。它不是让编码人员提出搜索参数，而是根据供应商的文档自动提出建议，但它也开放输入。”

准备和上线
Chaballout指出，深度学习CAC系统的准备过程与其他类型系统的准备过程有些不同。“其他系统需要大量的准备和计划，因为你需要配置许多自定义规则并添加多个软件，而且人们并不总是想适应新程序。我们的软件被设计成需要最小的行为改变，因为它感觉就像你现有的电子病历的一部分。您可以保留当前的工作流程。我们希望减少提供商选择代码所需的次数/点击次数。我们希望提高所选代码的特异性，并确保捕获所有可能适用于提供商注释中的代码。我们的目标是减少医生和编码人员之间来回对话的次数，减少生成账单所需的时间，并尽可能保持设施的工作流程完整，”他说。

在进入实施阶段之前，Lusk和她的团队需要向他们组织的决策者展示CAC的重要性。他们让行政人员和医务人员担任领导，以便他们了解CAC的价值和需要。“我们需要把它卖给他们，”拉斯克说。“这个系统必须准确地预测我们的人口。我们必须让领导层知道它的价值。”

早期，Lusk和她的团队与编码人员和临床文档改进(CDI)专家进行了讨论，向他们保证，不仅他们的工作是安全的，而且有机会使他们的工作对组织更重要。“我们让每个人都知道，作为一个部门和个人，他们将从这个过程中得到什么。我们问他们旅行结束后想看什么。然后我们可以定制系统，并告诉他们如何满足他们的需求，”Lusk回忆道。“我们的目标之一是将生产率提高20%，我们做到了。我们消除了外包，因为外包对程序员和CDI团队的工作保障来说比机器更有威胁。我们分享这类信息是为了让每个人都能理解并感到支持。”

因此，编码员并没有感到威胁。“我们希望他们展现出最好的一面。随着ICD-10的所有这些变化，我们知道这是不可能的，”Lusk说。“为了服务民众，他们必须了解新系统并拥有深厚的知识，这需要大量的数据。我们的程序员很正直，他们支持这一改变。”

Lusk表示，由于战略规划和整个过程的全面支持，实施过程非常顺利。“上线很容易，因为我们做好了充分的准备。在第一天之后，编码员们都表现得很好，(德州儿童健康系统)的编码员和2012年的一样。他们认为，‘这是一个新世界。’他们欣然接受，觉得自己让生活变得更美好。”

詹姆斯·诺里斯(James Norris)是德克萨斯大学医疗卫生分部的住院编码器，他的机构在大流行开始时进行了过渡，经历了CAC的实施。诺里斯被指定为两个“超级用户”之一，这些人经过预先训练，可以帮助其他人学习新系统。“我们参加了一个预测试来评估我们的知识水平，并首先接受了培训。在那之后，我们在COVID之前亲自见面，并进行了两三天的培训。我们有一些时间来试验这个新程序。当我们接近员工培训时，COVID来了，我们不得不在网上完成所有工作，”诺里斯说。“我们自己做了一些模块，然后接受了更多的培训，并在网上见面讨论我们学到了什么以及培训进行得如何。我们都仍在适应，特别是因为COVID意味着我们都开始在家工作，同时学习新系统。”

Ortiz认为采用CAC的最大挑战是变更管理。“这是一个巨大的转变。编码员是生产力驱动型的，通常会得到相应的报酬。”“HIM管理层必须认识到CAC有一个学习曲线，并帮助编码员做好准备。考虑这些问题:管理层如何让他们的团队做好准备?你如何帮助他们理解学习曲线的存在?医疗卫生系统的政策和程序需要作出哪些改变?你将如何监控执行情况?”

最终，Ortiz将CAC视为编码工具箱中的另一种武器;这项技术只是让程序员更有效率，更好地完成他们的角色。“编码员的名字在编码声明上;他们是最后的裁判。编码人员在准确和快速编码的压力下。这可能是一个很难实现的平衡。”“拥有一个提示代码的工具不仅可以帮助程序员保持准确性，还可以帮助他们提高效率。它通过自动化日常编码提升了编码员的角色，这允许编码员专注于更复杂的情况。今天，随着以价值为基础的护理和不断增长的质量报告要求，基于设施的编码员越来越多地必须以新的和不同的方式看待相同的记录。因此，它使他们能够扩展自己的技能，并在今天的基础上发展自己的角色。 CAC can help facilitate professional growth.”

Norris强调了Ortiz对准确性的重视，解决了一些程序员可能会变得懒散的想法，认为CAC系统可以为他们做更多的工作。诺里斯说:“程序员的QA(质量保证)可能会反过来困扰他们。“QA对我来说非常重要，你不能总是对生成的内容充满信心。我已经写了将近30年的代码，我检查所有的东西。例如，COVID有发烧、咳嗽和头痛等症状。但这些也可能是别的东西，根本不是COVID。你必须小心，不要让系统收集到不准确的信息，比如不准确的文档或不应该使用的文档产生的信息。”

被忽视的功能
一些组织可能忽略了有用的CAC特性。例如，Lusk引用了自动化查询，可以使CDI团队自由地从事更复杂的项目，当他们订购时提示提供者，识别准确描述特定人群的合并症-病例管理人员可以利用的信息，以及在入院当天自动分配诊断相关小组，包括住院时间，以帮助管理人员计划患者出院。

拉斯克说:“当病人住院时，该系统还可以实时识别潜在的可预防的再入院和并发症。”“现在，有了COVID，我们可以增强可预测性，我们可以训练系统根据常用词识别事物。”

根据Ortiz的说法，总是有优化的空间。“HIM管理层可能会假设编码员正在按照设计使用工具并获得效率。但重要的是要挑战假设，”她解释说。“我们建议审查CAC的报告，并查看数据，看看是否遵循了指导方针和最佳做法。例如，是否有单独的编码人员继续使用代码本与CAC一起编写代码?总有改进的机会。”

衡量成功
Chaballout说，组织可以用两种方法来衡量他们的CAC系统的成功:观察和统计。“一种方法是让决策者简单地观察这个过程进行得如何。另一种选择更具有统计学意义。无论选择哪种方法，或者两者的结合，组织的选择都取决于它的目标，”他解释说。“如果目标是效率，我们可以在减少和简化电子病历导航的基础上，帮助衡量完成会诊节省了多少时间。如果目标是准确性，那么我们就可以从历史的角度来衡量代码，即它们被编码的方式与基于机器的可能的方式。本质上，这是一项回顾性研究。这取决于你的目标和你想要回答的问题。”

奥尔蒂斯认为，所有组织都必须考虑投资回报。“在最近对客户的调查中，我们了解到许多组织已经能够消除外包编码，因为他们的团队使用CAC工作速度更快，”她说。同样重要的是，编码的质量越来越好，这是所有HIM团队都想要达到的目标。当组织以同行为基准时，准确性和质量是成功的两个重要标志。”

- - - - - -苏珊·查普曼是洛杉矶的自由撰稿人和编辑．