Заменит ли ИИ медицинских кодировщиков? [Видео и викторина]

Краткий ответ:
ИИ не заменит полностью медицинских кодировщиков, но изменит подход к работе. Когда документация рутинная и структурированная, ИИ может взять на себя повторяющиеся шаги; когда же случаи сложные, спорные или подлежат проверке, человеческое суждение остается центральным элементом. Роль меняется раньше, чем исчезает штат сотрудников.

Основные выводы:

Автоматизация задач: ИИ берет на себя рутинную работу по программированию, освобождая место для тщательной проверки и обработки исключений.

Ответственность перед персоналом: Программисты остаются ответственными сторонами при проведении аудитов, подаче апелляций, отклонении запросов или возникновении вопросов, связанных с соответствием требованиям.

Эволюция ролей: в сфере кодирования наблюдается тенденция к смещению акцента в сторону аудита, CDI, управления отказами, интерпретации политик и управления.

Управление рисками: Более быстрое написание кода может повысить риск несоответствия требованиям, если скорость превышает контроль, а количество проверок, проводимых человеком, сокращается.

Устойчивость карьеры: экспертные знания руководящих принципов, понимание политики плательщиков и навыки проведения аудита остаются востребованными и устойчивыми компетенциями.

Заменит ли ИИ медицинских кодировщиков? Что означает «заменит» на практике 🤔

Когда люди спрашивают: «Заменит ли ИИ медицинских кодировщиков?», они обычно имеют в виду одно из следующих:

• Сокращение штата — в целом потребуется меньше программистов.

• Замените задачи — работа изменится, но программисты останутся.

• Переложите ответственность — ИИ принимает окончательные решения, а люди просто наблюдают.

• Замените вакансии начального уровня — в первую очередь изменится весь кадровый резерв 😬

По моему опыту наблюдения за тем, как команды внедряют автоматизацию, самые большие изменения редко сводятся к «исчезновению программистов». Скорее, это выглядит так:
рутинное программирование ускоряется, нестандартные ситуации становятся более актуальными, а аудит становится постоянной ответственностью каждого. (OIG – Общие рекомендации по программе соответствия)

Искусственный интеллект отлично справляется с повторением. Программирование — это не только повторение. Программирование — это повторение плюс рассудительность плюс соответствие требованиям плюс странности плательщиков плюс разгадывание загадки «почему это указано в записке». 🕵️♀️

Да, ИИ может заменить часть работы. Но полная замена профессии — это совсем другое дело.

Что делает медицинскую кодировку с использованием ИИ хорошей? ✅

Если мы говорим о «хорошей версии» ИИ для медицинского кодирования, то это не та, которая имеет самый яркий маркетинговый ход. Это та, которая ведет себя как надежный коллега, не паникует, не галлюцинирует и демонстрирует свою работу. (NIST AI RMF 1.0, NIST Generative AI Profile (AI 600-1))

Хорошая система кодирования (или рабочий процесс) для ИИ обычно включает в себя:

• Уверенный специалист в области НЛП, способный обрабатывать неорганизованные записи (диктовка, шаблоны, запутанный текст, скопированный и вставленный 🍝).

• Предложенный код с обоснованием (не просто код, а почему).

• Оценка достоверности с настраиваемыми пороговыми значениями.

• Журналы аудита для обеспечения соответствия требованиям и реагирования на запросы плательщиков (CMS MLN909160 – Требования к документации медицинских записей)

• Согласование правил и рекомендаций (ICD-10-CM, CPT, HCPCS, правки NCCI, политика плательщиков… весь этот цирк 🎪) (Руководство CMS по кодированию ICD-10-CM на 2026 финансовый год, правки CMS NCCI)

• Управление с участием человека позволяет программистам принимать, изменять или отклонять решения (NIST AI RMF 1.0).

• Интеграция, которая не нарушит рабочий ритм каждого (электронная медицинская карта, кодировщик, CAC, система выставления счетов).

Если инструмент не может объяснить себя, он не заменяет ничего безопасного. Он лишь быстрее порождает тревогу. (Профиль генеративного ИИ NIST (AI 600-1))

Сравнительная таблица: лучшие варианты программирования с использованием ИИ (и их место в этом списке) 📊

Ниже приведена практическая сравнительная таблица распространенных подходов к программированию с использованием ИИ. Она не идеально аккуратна… потому что и реализация тоже.

Заметили закономерность? Чем более «бесконтактным» он пытается быть, тем больше контроля потребуется, чтобы избежать медленного решения проблем с соблюдением нормативных требований. Забавно. (OIG – Общие рекомендации по программе обеспечения соответствия)

Почему ИИ действительно хорош в отдельных аспектах программирования 😎

Давайте отдадим должное искусственному интеллекту там, где он этого заслуживает. Есть области, где он действительно силен:

1) Распознавание образов в больших масштабах

Большой объем повторяющихся взаимодействий с неизменной документацией? Искусственный интеллект часто справляется с этой задачей:

• Стандартное кодирование диагнозов для распространенных заболеваний

• Простое кодирование процедур при наличии четкой документации

• Быстрый поиск подтверждающих доказательств (лабораторные анализы, визуализационные исследования, списки проблем)

2) Ускорение «охоты»

Даже опытные программисты тратят время на поиски:

• Где находится выписка от поставщика услуг?

• где же специфичность?

• что обосновывает медицинскую необходимость

• Где же, чёрт возьми, латеральность? 😩

Искусственный интеллект может выявлять релевантные строки, отмечать недостающую информацию и снижать утомляемость от прокрутки. Это не что-то эффектное, но это реальная производительность.

3) Модели предотвращения отрицания

Искусственный интеллект способен распознавать такие закономерности, как:

• Распространенные причины отказа в выплате со стороны плательщиков

• пробелы в документации, связанные с определенными услугами

• Модификаторы, которые часто отклоняются без дополнительной поддержки (CMS MLN909160 – Требования к документации медицинской карты, программа CMS CERT).

Программисты уже делают это мысленно. Искусственный интеллект просто делает это шумнее и быстрее.

Почему ИИ с трудом справляется с теми задачами, за выполнение которых программисты получают зарплату 😬

Теперь обратная сторона медали. Проблемы, возникающие при автоматизации, обычно связаны с теми же самыми моментами, которые отделяют «ввод кода» от «программирования»

Клиническая неопределенность и атмосфера, создаваемая врачом

Поставщики пишут примерно следующее:

• «вероятно», «исключить», «подозреваю», «не могу исключить»

• «история», «статус поста», «решено», «хроническое, но стабильное»

• «Вероятная пневмония, но также может быть хроническая сердечная недостаточность»

Искусственный интеллект может неправильно истолковать неопределенность и превратить ее в уверенность. Это… не самая приятная ошибка.

Тонкости руководящих принципов (и хаос в политике плательщиков)

Кодирование — это не просто «то, что произошло в клинической практике». Это:

• интерпретация руководящих принципов

• логика последовательности

• правила комплектации

• требования, специфичные для плательщика

• логика медицинской необходимости

• Особенности местного покрытия (Руководство по кодированию ICD-10-CM CMS на 2026 финансовый год, изменения CMS NCCI)

Искусственный интеллект, безусловно, способен изучать закономерности. Но когда плательщик меняет правило, люди корректируют его намеренно. ИИ же адаптируется, движимый замешательством и уверенностью. Это плохое сочетание.

Проблема «одного пропущенного предложения»

Одна-единственная строка кода может повлиять на выбор кода, DRG, оценку риска HCC или уровень E/M. Искусственный интеллект может это пропустить или, что еще хуже, сделать вывод. А вывод в программировании — это как строить мост из желе. Выглядит хорошо, пока на него не наступишь.

Итак… Заменит ли ИИ медицинских кодировщиков? Наиболее реалистичный сценарий 🧩

Вернемся к ключевому вопросу: заменит ли ИИ медицинских кодировщиков?
Мой наиболее обоснованный ответ таков: ИИ сначала заменяет часть работы, затем перераспределяет роли и сокращает штат только там, где организации не хотят реинвестировать сэкономленное время.

Перевод:

• Некоторые организации будут использовать ИИ для повышения производительности без увольнений.

• Некоторые будут использовать это для сокращения расходов (а с последствиями для последующих этапов будут разбираться позже).

• В зависимости от направления деятельности некоторые компании будут использовать смешанный подход

Но вот в чем загвоздка: если ИИ увеличивает скорость, он также может увеличить риск. Этот риск стимулирует спрос на:

• аудиторы

• инспекторы по соблюдению требований

• преподаватели программирования

• специалисты по управлению отказами

• Специалисты по CDI и управлению запросами

• Роли в управлении качеством данных (OIG – Общие рекомендации по программе соответствия, Программа CERT CMS)

Так что замена — это не прямая линия. Это скорее беговая дорожка в сандалиях. Прогресс… но немного шаткий. 😅

Что меняется в первую очередь: стационарное лечение, амбулаторное лечение или профессиональная помощь 🏥

Не вся работа по программированию затрагивается одинаково. Некоторые области проще автоматизировать, потому что документация и правила более структурированы.

Амбулаторное и профессиональное обслуживание

Часто автоматизация происходит быстрее, потому что:

• большой объем

• повторяющиеся шаблоны

• более структурированные потоки данных

• Упрощенное применение правил редактирования + подсказки ИИ (редактирование CMS NCCI)

Однако сложность оценки и управления качеством медицинской помощи, принятия медицинских решений и контроля со стороны плательщиков по-прежнему делает роль человека очень актуальной. (CMS MLN006764 – Услуги по оценке и управлению качеством медицинской помощи)

Стационар

Кодирование данных о пациентах, находящихся на стационарном лечении, отличается огромной вариативностью:

• длительная госпитализация с множественными диагнозами

• осложнения, сопутствующие заболевания, процедуры

• Влияние DRG и нюансы секвенирования

• Постоянное нарушение документооборота (Руководство CMS по кодированию ICD-10-CM на 2026 финансовый год)

Искусственный интеллект может помочь, но «бесконтактное обслуживание стационарных пациентов» для многих больниц, как правило, остается скорее мечтой, чем реальностью.

Специальные полосы

В радиологии и патологии можно добиться значительных успехов благодаря структурированному составлению отчетов. В отделении неотложной помощи ситуация может быть неоднозначной: быстрые, шаблонные записи, но неряшливая реальность.

Скрытое поле битвы: соответствие требованиям, аудиты и подотчетность 🧾

Вот здесь-то и возникает проблема с функцией «заменить».

Даже когда ИИ предлагает коды, ответственность всё равно распределяется в определённом месте:

• Объект

• Поставщик услуг по выставлению счетов

• Программист, нажавший кнопку «принять»

• Менеджер, установивший пороговые значения

• Поставщик, который заявил, что это точно (ха-ха) (OIG – Общие рекомендации по программе соответствия)

Обычно команды по обеспечению соответствия требованиям хотят:

• отслеживаемость

• обоснованное кодирование

• последовательное применение руководящих принципов

• Документация, готовая к аудиту (CMS MLN909160 – Требования к документации медицинской документации)

Искусственный интеллект может это обеспечить, но только если рабочий процесс построен таким образом, чтобы сохранять доказательства и уменьшать вероятность слепого принятия. (NIST AI RMF 1.0)

Скажу прямо: если ваш рабочий процесс с использованием ИИ поощряет автоматическое одобрение, вы не экономите деньги. Вы берете проблемы в долг. С процентами. 😬 (GAO-19-277, программа CMS CERT)

Как оставаться ценным сотрудником: набор навыков программиста, «защищенный от ИИ» 💪🧠

Если вы медицинский кодировщик, читающий это и испытывающий неприятное чувство в груди, вот хорошие новости: вы можете подготовиться к той части работы, которую ИИ не может безопасно выполнять самостоятельно.

Навыки, которые хорошо сохраняются даже в условиях активного использования ИИ:

• Аудит и проверка качества (выявление недостатков, а не только скорости) (Управление генерального инспектора – Общие рекомендации по программе соответствия)

• Интерпретация рекомендаций (и их четкое объяснение) (Руководство CMS по кодированию ICD-10-CM на 2026 финансовый год)

• Навигация по страховым полисам (потому что полисы... это что-то новенькое 🌶️)

• Стратегия сотрудничества и запросов CDI

• Анализ первопричин отказа (CMS MLN909160 – Требования к документации медицинской документации, программа CMS CERT)

• Грамотность в вопросах корректировки рисков (логика HCC, целостность документации) (Корректировка рисков CMS)

• Специализация (ортопедия, кардиология, неврология, онкология и др.)

• Управление ИИ — помощь в установлении пороговых значений, категорий ошибок, циклов обратной связи (NIST AI RMF 1.0)

Если ИИ — это калькулятор, то вы не устареваете, просто лучше справляясь с математическими вычислениями. Ваша ценность возрастает, когда вы знаете, когда калькулятор ошибается и почему.

Как организациям следует внедрять ИИ, не причиняя всем неудобств 😵💫

Если вы занимаете руководящую должность, вот наиболее эффективные, на мой взгляд, модели внедрения:

1) Начинайте со слова «помочь», а не «заменить»

Используйте ИИ для:

• приоритезация диаграмм

• всплывшие доказательства

• Предложенные варианты кода с оценками достоверности

• Маршрутизация рабочих процессов на основе сложности

2) Создавайте петли обратной связи всерьез

Если программисты исправляют ошибки в работе ИИ, это следует зафиксировать:

• какой тип ошибки

• почему это произошло

• Какая документация послужила толчком к этому?

• как часто это повторяется

В противном случае инструмент никогда не улучшится, и все просто научатся его игнорировать.

3) Разделите работу по уровню сложности

Практический алгоритм действий:

• Низкая сложность - больше автоматизации

• средняя сложность - рабочий процесс в паре программист + ИИ

• Высокая сложность — в первую очередь опытный программист, затем ИИ (да, затем снова)

4) Измеряйте правильные результаты

Не только производительность. А также:

• показатели отказов

• Результаты аудита

• коэффициенты опрокидывания

• Объем запросов и качество ответов

• Удовлетворенность программистов (серьезно) (Программа CMS CERT)

Если производительность труда растет, а количество отказов тоже увеличивается… это не победа. Это блестящая проблема.

Как выглядит будущее (без научно-фантастической драмы) 🔮

Давайте не будем делать вид, что ничего не изменится. Изменится. Но идея о «конце программистов» слишком упрощена.

Более вероятно:

• меньше ролей, связанных исключительно с написанием кода

• больше гибридных ролей (программирование + аудит + аналитика + соответствие требованиям)

• команды разработчиков превращаются в команды по обеспечению качества данных

• Целостность документации приобретает все большее значение

• Искусственный интеллект становится обычным коллегой, за которым вы наблюдаете, нравится вам это или нет (NIST AI RMF 1.0, OIG – Общие рекомендации по программе соответствия).

Да, в некоторых сферах и на некоторых рабочих местах произойдет сокращение рабочих мест. Это правда. Но здравоохранение обожает регулирование, изменчивость, исключения и бумажную волокиту. Искусственный интеллект может справиться со многим… но здравоохранение обладает талантом изобретать новые сложные задачи, словно это хобби.

Посадка самолета: Заменит ли ИИ медицинских кодировщиков? 🧡

Давайте посадим этот самолет.

Заменит ли ИИ медицинских кодировщиков? Не в том смысле, в каком это подразумевается в научно-фантастическом представлении. ИИ, безусловно, сократит количество повторяющихся задач, ускорит рутинное кодирование и заставит организации реорганизовать команды. Он также создаст большую потребность в надзоре, аудите, защите от нарушений, стратегии предотвращения отказов и обеспечении целостности документации. (AHIMA – Инструментарий автоматизированного кодирования, OIG – Руководство по общим программам соответствия)

Краткое резюме 🧾

• Искусственный интеллект заменит часть задач по программированию в большей степени, чем заменит программистов.

• Бесконтактное кодирование лучше всего работает в узких, простых и повторяющихся случаях (AHIMA – Computer-Assisted Coding Toolkit).

• Сложное кодирование по-прежнему требует человеческого суждения и ответственности (Руководство CMS по кодированию ICD-10-CM на 2026 финансовый год, CMS MLN909160 – Требования к документации медицинской карты).

• Наиболее безопасный путь — это участие человека в процессе с надежными журналами аудита (NIST AI RMF 1.0).

• Специалисты по кодированию, которые развиваются в области аудита, соответствия нормативным требованиям, клинической документации, политики плательщиков и специализированных знаний, становятся еще более ценными (OIG – Общие рекомендации по программе соответствия, программа CMS CERT).

Кроме того, если честно… если ИИ когда-нибудь действительно полностью «заменит» программирование, это произойдет потому, что документация станет идеальной. И это самое нереалистичное, что я сказал за весь день 😂 (CMS MLN909160 – Требования к документации медицинских записей)

Пример из реальной жизни: создание системы кодирования амбулаторных медицинских записей с помощью ИИ 🧪

Сценарий

Представьте себе амбулаторную клинику среднего размера, обслуживающую постоянный поток пациентов, обращающихся за первичной медицинской помощью, к кардиологам и ортопедам. Команда кодировщиков не пытается заменить кодировщиков. Они стремятся сократить утомительную работу по просмотру документов: поиск заключения врача, проверка наличия указания на латеральность, выявление недостающей детализации и обнаружение очевидных проблем с модификаторами или медицинской необходимостью до отправки заявок на оплату.

В этом примере ИИ используется в качестве помощника на первом этапе. Он анализирует запись о приеме пациента, предлагает вероятные коды ICD-10-CM и CPT, выделяет точный текст записи, подтверждающий каждое предложение, и отмечает все, что требует решения человека.

Программист по-прежнему принимает окончательное решение. Никакой автоматической отправки заявки. Никакого формального одобрения по принципу «так сказал ИИ». Скучно? Возможно. Безопаснее? Безусловно.

Что нужно помощнику

Для практического использования ИИ в качестве помощника в программировании потребуется:

• Записи о недавнем амбулаторном приеме, из которых удалены идентификационные данные пациента для проведения анализа

• Актуальные справочники по ICD-10-CM, CPT, HCPCS, NCCI и политике плательщиков

• Примеры ранее принятых закодированных встреч

• Примеры отклоненных или исправленных заявок

• Четко установленный порог достоверности, например: «все, что имеет уровень достоверности ниже 85%, следует отправлять на полную проверку специалистом»

• Правило, согласно которому помощник должен процитировать или указать на подтверждающие документы, прежде чем предложить код

• Процесс обратной связи от программистов для принятых, отклоненных и измененных предложений

Главное не просто зачитывать ей заметки. Главное — научить её тому, как выглядит «защищённая» позиция.

Пример инструкции

Вы помогаете сертифицированному медицинскому кодировщику в кодировании амбулаторных услуг. Просмотрите запись о приеме и предложите возможные варианты кодирования по МКБ-10-CM, CPT, HCPCS и модификаторам только в том случае, если они подтверждаются документацией. Для каждого предложения укажите подтверждающую фразу из записи, четко объясните логику кодирования и отметьте любые недостающие детали, неопределенности, проблемы, связанные с политикой плательщика, или пробелы в документации. Не завершайте обработку заявки. Отметьте каждый пункт как имеющий низкую, среднюю или высокую степень достоверности. Любой неопределенный диагноз, неясная процедура, отсутствие информации о стороне поражения или неподтвержденная медицинская необходимость должны быть переданы на рассмотрение специалисту.

Как это проверить

Начните с 30 уже закодированных амбулаторных приемов, разделенных на простые, средние и сложные случаи.

В тест могут входить следующие вопросы:

• Сможет ли ассистент найти подтверждающие диагноз данные, не выдумывая недостающие детали?

• Правильно ли система помечает диагнозы как «возможный», «исключить» или «подозрительный»?

• Позволяет ли это выявить недостающую информацию о латерализации в ортопедических случаях?

• Объясняет ли это, почему может потребоваться модификатор, а не просто предлагается?

• Позволяет ли система определить, когда документация не соответствует выбранному уровню E/M?

• Это приводит к эскалации неясных дел вместо того, чтобы заставить дать уверенный ответ?

Ценным тестом является сравнение трех версий одной и той же диаграммы: одной чистой, одной, в которой отсутствует ключевое предложение, и одной с противоречивой документацией. Если ИИ выдает один и тот же ответ для всех трех, значит, он не готов.

Результат

Примерный результат: на основе анализа времени 30 амбулаторных приемов до и после применения данного алгоритма.

До внедрения ИИ программист тратил в среднем 7 минут на проверку кода, подтверждение правильности кода и проверку документации за один обычный сеанс. С помощью ИИ, выделяющего важные моменты и предлагающего варианты первого варианта, это время сократилось до 4 минут за один обычный сеанс.

Это означает:

• Сэкономлено 90 минут за 30 встреч

• Экономия 3 минуты на каждую таблицу рутинных действий

• 0 диаграмм были автоматически отправлены без проверки кодировщиком

• В пяти случаях ситуация обострилась из-за того, что ИИ обнаружил отсутствие латеральности, неясный диагноз или недостаточную медицинскую обоснованность показаний

• Два предложения ИИ были отклонены из-за недостаточной убедительности подтверждающей документации

Наиболее ценным показателем здесь является не сама по себе «точность ИИ». Это количество принятых программистами предложений после проверки. В этом тесте в 23 из 30 случаев хотя бы одно предложение ИИ было принято, но только 18 были приняты без изменений в коде. Это различие имеет значение.

Что может пойти не так?

Самый большой риск — это слепое принятие. Когда программисты начинают нажимать кнопку «принять», потому что инструмент кажется надежным, рабочий процесс превращается в проблему соответствия требованиям, прикрывающуюся повышением производительности. 🎩

К другим распространенным ошибкам относятся:

• Позволить ИИ определять диагнозы, основываясь только на результатах лабораторных анализов или принимаемых лекарствах

• Использование устаревших правил для плательщиков

• Предупреждения о низкой достоверности игнорируются, поскольку очередь обработки заявок переполнена

• Измеряется только скорость, а не количество отказов или результаты аудита

• Отсутствие документации, объясняющей, почему программисты изменили или отклонили предложения ИИ

• Восприятие положительных результатов анализов как доказательства способности системы обрабатывать сложные амбулаторные медицинские карты

Более безопасная настройка позволяет ИИ оставаться в рамках функций ассистента: предлагать варианты, показывать доказательства, объяснять неясности и передавать вопросы на более высокий уровень.

Практический вывод

Наилучшее применение ИИ в медицинском кодировании — это не «пусть машина кодирует всё», а «ускорить и улучшить проверку кодировщиком». Когда рабочий процесс экономит три минуты на каждую стандартную карту, выявляя пробелы в документации до выставления счета, это действительно имеет ценность. Но эта ценность сохраняется только тогда, когда люди по-прежнему принимают решения, ведут учет и принимают окончательные решения.

Часто задаваемые вопросы

Заменит ли искусственный интеллект медицинских кодировщиков полностью в ближайшие несколько лет?

В ближайшем будущем искусственный интеллект вряд ли полностью заменит медицинских кодировщиков. Большинство реальных внедрений сосредоточены на помощи в выполнении рутинных задач с большим объемом информации, а не на полном устранении этой роли. Кодирование по-прежнему требует умения принимать решения, интерпретации руководящих принципов и осведомленности о соблюдении требований. На практике ИИ меняет скорее сам процесс работы кодировщиков, чем сам факт необходимости в них.

Как в настоящее время используется ИИ в процессах кодирования медицинской информации?

Искусственный интеллект широко используется для предложения кодов, выявления релевантной документации, обозначения недостающей конкретики и сортировки диаграмм по сложности. Многие системы работают в модели с участием человека, где кодировщики проверяют, корректируют или отклоняют предложения ИИ. Это повышает скорость без передачи ответственности. Контроль по-прежнему необходим для обеспечения соответствия требованиям и точности.

Какие этапы медицинского кодирования проще всего автоматизировать с помощью ИИ?

Искусственный интеллект лучше всего работает с повторяющимися, хорошо документированными случаями, такими как плановые амбулаторные визиты или структурированные отчеты специалистов. Сценарии с большим объемом работы, построенные на основе согласованных шаблонов, легче автоматизировать. Поиск кодов, выделение доказательств и базовое выявление закономерностей отказов в оплате, как правило, являются эффективными примерами применения. Сложные клинические решения по-прежнему остаются сложной задачей.

Почему ИИ испытывает трудности с обработкой сложных или неоднозначных медицинских записей?

В клинической документации часто встречаются неопределенности, противоречивые диагнозы и неточные формулировки. Искусственный интеллект может ошибочно интерпретировать такие уточнения, как «возможно» или «исключить», как подтвержденные состояния. Он также может пропустить одно критически важное предложение, которое меняет последовательность или тяжесть заболевания. Эти нюансы лежат в основе соответствующего требованиям кодирования и их сложно безопасно автоматизировать.

Приведет ли искусственный интеллект к сокращению числа вакансий для начинающих специалистов в области медицинского кодирования?

Начинающие специалисты могут испытывать давление в первую очередь из-за автоматизации рутинной работы. Некоторые организации могут замедлить набор персонала, в то время как другие переводят младших программистов в отделы аудита или контроля качества. Влияние варьируется в зависимости от организации и направления деятельности. Карьерные пути могут меняться и перестраиваться, а не исчезать.

Как искусственный интеллект влияет на соблюдение нормативных требований и риски аудита в сфере медицинского кодирования?

Искусственный интеллект может как повысить скорость, так и увеличить риски при слабом управлении. Более быстрое кодирование без надежных процессов проверки может привести к увеличению количества отказов или риска аудита. Командам по обеспечению соответствия по-прежнему необходимы отслеживаемые обоснования и обоснованные решения. Человеческий контроль, журналы аудита и четкая подотчетность остаются важнейшими гарантиями.

Какие навыки помогают медицинским кодировщикам оставаться востребованными в среде, использующей искусственный интеллект?

Навыки, связанные с аудитом, интерпретацией руководящих принципов, анализом политики плательщиков и управлением отказами в оплате, как правило, хорошо сохраняются с течением времени. Кодировщиков, которые понимают, почему тот или иной код является правильным, а не только какой код выбрать, сложнее заменить. Специализированные знания и сотрудничество в области клинической документации также повышают ценность. Многие должности смещаются в сторону обеспечения качества и управления.

Реалистично ли внедрение «бесконтактного» медицинского кодирования для большинства организаций?

Бесконтактное кодирование может быть эффективным для простых случаев с четкой документацией. Однако для сложных случаев госпитализации или множественных заболеваний оно часто оказывается неэффективным. Большинство организаций добиваются лучших результатов при использовании гибридных рабочих процессов. Полная автоматизация, как правило, увеличивает потребность в последующих проверках и исправлениях, а не исключает работу.

Ссылки

1. Управление генерального инспектора (OIG) Министерства здравоохранения и социальных служб США — Общие рекомендации по программе обеспечения соответствия — oig.hhs.gov

2. Национальный институт стандартов и технологий (NIST) — Рамочная программа управления рисками в области ИИ (AI RMF 1.0) — nist.gov

3. Национальный институт стандартов и технологий (NIST) — Профиль генеративного ИИ (NIST AI 600-1) — nist.gov

4. Центры по программам Medicare и Medicaid (CMS) - Требования к документации медицинских записей (MLN909160) - cms.gov

5. Центры по контролю и профилактике заболеваний (CMS) - Руководство по кодированию ICD-10-CM на 2026 финансовый год - cms.gov

6. Центры по оказанию медицинских услуг Medicare и Medicaid (CMS) - Национальная инициатива по правильному кодированию (NCCI) - cms.gov

7. Американская ассоциация управления медицинской информацией (AHIMA) - Инструментарий автоматизированного кодирования - ahima.org

8. Центры по оказанию медицинских услуг Medicare и Medicaid (CMS) - Программа комплексного тестирования частоты ошибок (CERT) - cms.gov

9. Центры по программам Medicare и Medicaid (CMS) - Услуги по оценке и управлению (MLN006764) - cms.gov

10. Управление по подотчетности правительства США (GAO) - GAO-19-277 - gao.gov

11. Центры по программам Medicare и Medicaid (CMS) - Корректировка рисков - cms.gov

Найдите новейшие разработки в области ИИ в официальном магазине ИИ-помощников

О нас