Liệu trí tuệ nhân tạo (AI) có thay thế các chuyên viên mã hóa y tế?

Liệu trí tuệ nhân tạo (AI) có thay thế các chuyên viên mã hóa y tế?

Câu trả lời ngắn gọn:
Trí tuệ nhân tạo (AI) sẽ không hoàn toàn thay thế các chuyên viên mã hóa y tế, nhưng nó sẽ thay đổi cách thức công việc được thực hiện. Khi việc lập hồ sơ là thường xuyên và có cấu trúc, AI có thể đảm nhiệm các bước lặp đi lặp lại; khi các trường hợp phức tạp, gây tranh cãi hoặc cần kiểm toán, phán đoán của con người vẫn đóng vai trò trung tâm. Vai trò sẽ thay đổi trước khi số lượng nhân lực biến mất.

Những điểm chính cần ghi nhớ:

Tự động hóa tác vụ : Trí tuệ nhân tạo (AI) đảm nhận các công việc lập trình lặp đi lặp lại, tạo không gian cho việc xem xét đánh giá chuyên sâu và xử lý ngoại lệ.

Trách nhiệm của con người : Các lập trình viên vẫn là bên chịu trách nhiệm khi có các vấn đề liên quan đến kiểm toán, khiếu nại, từ chối hoặc tuân thủ quy định phát sinh.

Sự phát triển vai trò : Các vai trò trong lập trình có xu hướng chuyển sang kiểm toán, xử lý dữ liệu khách hàng (CDI), quản lý từ chối thanh toán, giải thích chính sách và quản trị.

Quản lý rủi ro : Việc lập trình nhanh hơn có thể làm tăng rủi ro tuân thủ nếu tốc độ vượt quá khả năng giám sát và việc xem xét của con người bị hạn chế.

Khả năng thích ứng nghề nghiệp : Kiến thức chuyên môn về hướng dẫn, sự am hiểu về chính sách của các bên chi trả và năng lực kiểm toán vẫn là những kỹ năng bền vững và có nhu cầu cao.

Liệu trí tuệ nhân tạo (AI) có thay thế các chuyên viên mã hóa y tế? (Infographic).
Những bài viết bạn có thể muốn đọc sau bài này:

🔗 Mã AI trông như thế nào trong thực tế?
Xem các ví dụ về mã do AI tạo ra và những gì bạn có thể mong đợi.

🔗 Các công cụ đánh giá mã nguồn bằng AI tốt nhất để nâng cao chất lượng
So sánh các công cụ hàng đầu giúp phát hiện lỗi và cải thiện đánh giá.

🔗 Các công cụ AI không cần lập trình tốt nhất để sử dụng mà không cần mã hóa
Vận hành các quy trình làm việc thông minh với các công cụ AI—không cần lập trình.

🔗 Trí tuệ nhân tạo lượng tử là gì và tại sao nó lại quan trọng
Hiểu rõ các khái niệm cơ bản về trí tuệ nhân tạo lượng tử, các trường hợp sử dụng và những rủi ro chính.

Liệu trí tuệ nhân tạo (AI) có thay thế các chuyên viên mã hóa y tế? "Thay thế" nghĩa là gì trong thực tế 🤔

Khi mọi người hỏi "Liệu trí tuệ nhân tạo (AI) có thay thế các chuyên viên mã hóa y tế?", họ thường muốn ám chỉ một trong những điều sau:

  • Thay thế số lượng nhân viên - cần ít lập trình viên hơn nói chung.

  • Thay thế các nhiệm vụ - công việc thay đổi nhưng lập trình viên vẫn giữ nguyên.

  • Thay thế trách nhiệm - AI đưa ra quyết định cuối cùng và con người chỉ việc quan sát.

  • Thay thế các vị trí cấp thấp - quy trình tuyển dụng cần thay đổi trước tiên 😬

Theo kinh nghiệm của tôi khi quan sát các nhóm áp dụng tự động hóa, sự thay đổi lớn nhất hiếm khi là "các lập trình viên biến mất". Nó giống hơn là:
việc lập trình thường ngày trở nên nhanh hơn , các trường hợp ngoại lệ được chú ý nhiều hơn , và việc kiểm toán trở thành công việc toàn thời gian của mọi người . ( Hướng dẫn chung về chương trình tuân thủ của OIG )

Trí tuệ nhân tạo (AI) rất giỏi trong việc lặp lại. Lập trình không chỉ là lặp lại. Lập trình là sự lặp lại cộng với khả năng phán đoán cộng với sự tuân thủ cộng với sự kỳ quặc của bên thanh toán cộng với việc giải quyết những bí ẩn kiểu "tại sao điều này lại có trong ghi chú". 🕵️♀️

Vậy nên, đúng là trí tuệ nhân tạo có thể thay thế một phần công việc. Nhưng thay thế hoàn toàn nghề nghiệp lại là chuyện khác.

Điều gì tạo nên một phiên bản mã hóa y tế bằng AI tốt? ✅

Nếu chúng ta đang nói về một “phiên bản tốt” của AI dành cho mã hóa y tế, thì đó không phải là phiên bản có tiếp thị hào nhoáng nhất. Đó là phiên bản hoạt động như một đồng nghiệp đáng tin cậy, không hoảng loạn, không ảo tưởng và thể hiện rõ ràng công việc của mình. ( NIST AI RMF 1.0 , NIST Generative AI Profile (AI 600-1) )

Một hệ thống (hoặc quy trình) lập trình AI tốt thường có:

  • Xử lý ngôn ngữ tự nhiên (NLP) mạnh mẽ trong môi trường lâm sàng, xử lý tốt các ghi chú lộn xộn (đọc chính tả, mẫu, sao chép dán lung tung 🍝)

  • Đề xuất mã kèm lý do (không chỉ là mã mà còn giải thích tại sao)

  • Tính điểm tin cậy với ngưỡng có thể điều chỉnh

  • Nhật ký kiểm toán để tuân thủ và phản hồi của bên chi trả ( CMS MLN909160 – Yêu cầu về tài liệu hồ sơ y tế )

  • Sự phù hợp giữa các quy tắc và hướng dẫn (ICD-10-CM, CPT, HCPCS, các quy định NCCI, chính sách của bên chi trả… tất cả đều rất phức tạp 🎪) ( Hướng dẫn mã hóa ICD-10-CM năm tài chính 2026 của CMS , các quy định NCCI của CMS )

  • Các cơ chế điều khiển có sự tham gia của con người để lập trình viên có thể chấp nhận, sửa đổi hoặc từ chối ( NIST AI RMF 1.0 )

  • Sự tích hợp không gây xáo trộn công việc hàng ngày của mọi người (EHR, phần mềm nhập liệu, thẻ CAC, hệ thống thanh toán)

Nếu công cụ không thể tự giải thích được, nó sẽ không thay thế được bất cứ thứ gì một cách an toàn. Nó chỉ làm cho sự lo lắng diễn ra nhanh hơn mà thôi. ( Hồ sơ Trí tuệ Nhân tạo Tạo sinh của NIST (AI 600-1) )

Bảng so sánh: Các lựa chọn lập trình hỗ trợ AI hàng đầu (và vị trí của chúng) 📊

Dưới đây là bảng so sánh thực tế các phương pháp lập trình hỗ trợ bởi trí tuệ nhân tạo phổ biến. Bảng này không hoàn toàn hoàn hảo… bởi vì việc triển khai cũng không hề dễ dàng.

Công cụ / Phương pháp Phù hợp nhất với khán giả Giá Lý do nó hiệu quả (và phần gây khó chịu)
CAC với NLP (Mã hóa hỗ trợ máy tính) Nhóm quản lý thông tin bệnh viện + nhóm điều trị nội trú $$$$ Rất hữu ích để tìm ra các mã ICD-10-CM có khả năng đúng; tuy nhiên, có thể đưa ra kết quả sai trong một số trường hợp nhất định ( AHIMA – Computer-Assisted Coding Toolkit ).
Bộ mã hóa với các đề xuất của AI Những lập trình viên chuyên nghiệp đã nắm rõ các quy tắc $$-$$$ Tăng tốc độ tra cứu và nhắc nhở chỉnh sửa; vẫn cần thêm trí tuệ, xin lỗi nhé 😅
Quy tắc + tự động hóa (chỉnh sửa, nhóm, kiểm tra) Chu kỳ doanh thu + tuân thủ $$ Phát hiện ra những lỗi sai rõ ràng; không “hiểu” được những sắc thái tinh tế trong lâm sàng ( theo tiêu chuẩn CMS NCCI ).
Công cụ tóm tắt tài liệu theo phong cách LLM Hợp tác CDI + lập trình $$ Giúp tóm tắt và làm nổi bật các chẩn đoán; có thể bỏ sót một chi tiết quan trọng… giống như một con mèo không nhớ tên của nó ( Hồ sơ AI tạo sinh của NIST (AI 600-1) )
Tự động thu phí và xử lý yêu cầu bồi thường Quy trình làm việc ngoại trú/chuyên nghiệp $$-$$$$ Giúp giảm thiểu trường hợp bị từ chối; đôi khi quá trình sàng lọc quá mức và làm chậm hiệu suất ( Chương trình CMS CERT )
Mô hình chuyên biệt theo từng chuyên khoa (chẩn đoán hình ảnh, bệnh lý học, cấp cứu) Các phân khúc thị trường có khối lượng giao dịch lớn $$$$ Độ chính xác tốt hơn ở những làn đường hẹp; ở làn đường ngoài cùng, xe hơi chệch hướng một chút
Quy trình làm việc “lập trình theo cặp” giữa con người và AI Các nhóm hiện đại hóa mà không gây hỗn loạn $-$$$ Điểm tối ưu; đòi hỏi đào tạo + quản trị, nếu không sẽ bị lệch hướng ( NIST AI RMF 1.0 )
Nỗ lực lập trình hoàn toàn "không cần chạm" Các giám đốc điều hành yêu thích bảng điều khiển $$$$$ Có thể áp dụng cho các trường hợp đơn giản; các trường hợp phức tạp hơn vẫn cần đến sự hỗ trợ của con người (thật bất ngờ!) ( AHIMA – Bộ công cụ mã hóa hỗ trợ máy tính )

Bạn có nhận thấy quy luật này không? Càng cố gắng "không cần can thiệp" nhiều, bạn càng cần nhiều sự quản trị hơn để tránh các vấn đề tuân thủ diễn ra chậm chạp. Thú vị đấy. ( Hướng dẫn chung về chương trình tuân thủ của OIG )

Vì sao trí tuệ nhân tạo lại thực sự giỏi một số khía cạnh của lập trình 😎

Hãy dành lời khen cho AI ở những lĩnh vực mà nó thực sự mạnh:

1) Nhận dạng mẫu ở quy mô lớn

Các cuộc gặp gỡ số lượng lớn, lặp đi lặp lại với tài liệu được ghi chép nhất quán? Trí tuệ nhân tạo (AI) thường có thể giải quyết được:

  • Mã hóa chẩn đoán thường quy cho các bệnh thông thường

  • Quy trình lập trình đơn giản khi tài liệu rõ ràng

  • Tìm kiếm bằng chứng hỗ trợ nhanh chóng (xét nghiệm, hình ảnh, danh sách vấn đề)

2) Tăng tốc quá trình “săn tìm”

Ngay cả những lập trình viên chuyên nghiệp cũng dành thời gian để tìm kiếm:

  • Tuyên bố của nhà cung cấp nằm ở đâu?

  • Độ cụ thể nằm ở đâu?

  • Điều gì chứng minh sự cần thiết về mặt y tế?

  • Sao lại không có sự cân bằng giữa hai bên cơ thể chứ 😩

Trí tuệ nhân tạo (AI) có thể làm nổi bật các dòng liên quan, chỉ ra những thông tin thiếu sót và giảm mệt mỏi khi cuộn trang. Điều đó nghe có vẻ không hào nhoáng, nhưng đó là năng suất thực sự.

3) Các mô hình ngăn ngừa phủ nhận

Trí tuệ nhân tạo có thể học các mô hình như:

Các lập trình viên đã làm điều này trong đầu rồi. Trí tuệ nhân tạo chỉ làm điều đó một cách ồn ào và nhanh hơn mà thôi.

Vì sao AI lại gặp khó khăn với những phần mà lập trình viên được trả lương để xử lý? 😬

Giờ đến mặt trái. Những phần làm hỏng quá trình tự động hóa thường cũng chính là những phần phân biệt giữa "nhập mã" và "lập trình"

Sự mơ hồ trong lâm sàng và cảm nhận của bác sĩ

Các nhà cung cấp thường viết những điều như sau:

  • “có khả năng,” “loại trừ,” “nghi ngờ,” “không thể loại trừ”

  • “lịch sử của,” “tình trạng bài đăng,” “đã giải quyết,” “mãn tính nhưng ổn định”

  • “Có thể là viêm phổi nhưng cũng có thể là suy tim sung huyết”

Trí tuệ nhân tạo có thể hiểu sai sự không chắc chắn và biến nó thành sự chắc chắn. Đó... không phải là một sai lầm dễ chịu.

Sự khác biệt nhỏ trong hướng dẫn (và sự hỗn loạn trong chính sách của bên chi trả)

Mã hóa không chỉ đơn thuần là "những gì đã xảy ra về mặt lâm sàng". Nó còn là:

Đúng vậy, trí tuệ nhân tạo (AI) có thể học các mẫu. Nhưng khi bên chi trả thay đổi quy tắc, con người điều chỉnh một cách có chủ đích. AI điều chỉnh trong sự bối rối và tự tin thái quá. Đó là một sự kết hợp tồi tệ.

Vấn đề “một câu bị thiếu”

Chỉ một dòng mã thôi cũng có thể thay đổi việc lựa chọn mã, nhóm chẩn đoán liên quan (DRG), mức độ rủi ro của HCC, hoặc cấp độ khám và điều trị (E/M). Trí tuệ nhân tạo (AI) có thể bỏ sót nó, hoặc tệ hơn là suy luận sai. Và việc suy luận trong mã hóa giống như xây cầu từ thạch. Trông có vẻ ổn cho đến khi bạn bước lên.

Vậy… Liệu trí tuệ nhân tạo (AI) có thay thế các chuyên viên mã hóa y tế? Khả năng xảy ra cao nhất là gì? 🧩

Quay trở lại với cụm từ khóa cốt lõi: Liệu AI có thay thế các chuyên viên mã hóa y tế?
Câu trả lời dựa trên cơ sở vững chắc nhất của tôi là: AI sẽ thay thế từng phần công việc trước, sau đó mới định hình lại vai trò, và chỉ giảm số lượng nhân viên ở những nơi mà các tổ chức không muốn tái đầu tư thời gian tiết kiệm được.

Bản dịch:

  • Một số tổ chức sẽ sử dụng trí tuệ nhân tạo để tăng năng suất mà không cần sa thải nhân viên.

  • Một số người sẽ sử dụng nó để cắt giảm chi phí (và giải quyết hậu quả về sau).

  • Một số sẽ kết hợp nhiều phương án, tùy thuộc vào các tuyến dịch vụ

Nhưng đây là điểm mấu chốt mà mọi người thường bỏ qua: nếu AI tăng tốc độ, nó cũng có thể tăng rủi ro. Rủi ro đó thúc đẩy nhu cầu về:

Vì vậy, quá trình thay thế không phải là một đường thẳng. Nó giống như một chiếc máy chạy bộ mang dép xăng đan hơn. Có tiến bộ… nhưng hơi chao đảo. 😅

Điều gì sẽ thay đổi đầu tiên: điều trị nội trú so với điều trị ngoại trú so với điều trị chuyên nghiệp 🏥

Không phải tất cả công việc lập trình đều bị ảnh hưởng như nhau. Một số lĩnh vực dễ tự động hóa hơn vì tài liệu và quy tắc được cấu trúc chặt chẽ hơn.

Khám ngoại trú và phí chuyên môn

Thường thấy quá trình tự động hóa diễn ra nhanh hơn vì:

  • khối lượng lớn

  • mẫu lặp lại

  • nguồn cấp dữ liệu có cấu trúc hơn

  • Dễ dàng áp dụng các chỉnh sửa dựa trên quy tắc + gợi ý AI ( chỉnh sửa CMS NCCI )

Tuy nhiên, sự phức tạp của việc phân loại E/M, ra quyết định y tế và sự giám sát của bên chi trả vẫn khiến con người đóng vai trò rất quan trọng. ( CMS MLN006764 – Dịch vụ Đánh giá và Quản lý )

Bệnh nhân nội trú

Mã hóa bệnh án nội trú có sự khác biệt rất lớn:

Trí tuệ nhân tạo có thể hỗ trợ, nhưng mô hình "bệnh nhân nội trú không cần tiếp xúc" vẫn chỉ là giấc mơ hơn là hiện thực đối với nhiều bệnh viện.

Làn đường chuyên dụng

Khoa X quang và bệnh lý học có thể đạt được những lợi ích đáng kể nhờ báo cáo có cấu trúc. Khoa Cấp cứu có thể có sự pha trộn - nhanh chóng, ghi chú theo mẫu, nhưng thực tế lại lộn xộn.

Chiến trường thầm lặng: tuân thủ quy định, kiểm toán và trách nhiệm giải trình 🧾

Đây là lúc mà chức năng "thay thế" trở nên không ổn định.

Ngay cả khi AI đề xuất mã, trách nhiệm vẫn thuộc về một người cụ thể nào đó:

Các nhóm tuân thủ thường muốn:

Trí tuệ nhân tạo có thể hỗ trợ điều đó - nhưng chỉ khi quy trình làm việc được xây dựng để bảo toàn bằng chứng và giảm thiểu việc chấp nhận một cách mù quáng. ( NIST AI RMF 1.0 )

Nói thẳng ra một chút: nếu quy trình làm việc với AI của bạn khuyến khích việc phê duyệt một cách máy móc, bạn không tiết kiệm được tiền. Bạn đang tự chuốc lấy rắc rối. Và còn phải trả lãi nữa. 😬 ( GAO-19-277 , Chương trình CMS CERT )

Làm thế nào để duy trì giá trị bản thân: bộ kỹ năng lập trình viên "chống lại AI" 💪🧠

Nếu bạn là một người mã hóa y tế đang đọc bài viết này và cảm thấy lo lắng, thì đây là tin tốt: bạn có thể tự tạo vị thế cho mình để đảm nhận những công việc mà trí tuệ nhân tạo không thể đảm nhiệm một cách an toàn.

Những kỹ năng vẫn có giá trị theo thời gian (ngay cả trong môi trường sử dụng nhiều trí tuệ nhân tạo):

Nếu AI là một chiếc máy tính, thì việc bạn làm toán giỏi hơn không khiến bạn trở nên lỗi thời. Ngược lại, việc bạn biết khi nào máy tính sai và tại sao lại khiến bạn trở nên có giá trị hơn.

Các tổ chức nên triển khai AI như thế nào mà không khiến mọi người khó chịu? 😵💫

Nếu bạn thuộc bộ phận lãnh đạo, đây là những mô hình triển khai mà tôi thấy hiệu quả nhất:

1) Hãy bắt đầu bằng từ "hỗ trợ" chứ không phải "thay thế"

Sử dụng AI cho:

  • ưu tiên biểu đồ

  • bằng chứng xuất hiện

  • Gợi ý mã với điểm độ tin cậy

  • Định tuyến quy trình làm việc dựa trên độ phức tạp

2) Hãy xây dựng các vòng phản hồi một cách nghiêm túc

Nếu lập trình viên sửa lỗi đầu ra của AI, hãy ghi lại điều đó:

  • loại lỗi nào

  • tại sao điều đó xảy ra

  • Tài liệu nào đã gây ra điều đó?

  • tần suất lặp lại

Nếu không thì công cụ đó sẽ không bao giờ được cải thiện và mọi người sẽ ngày càng giỏi hơn trong việc phớt lờ nó.

3) Phân chia công việc theo độ phức tạp

Một quy trình làm việc thực tế:

  • Độ phức tạp thấp - tự động hóa cao hơn

  • Độ phức tạp trung bình - quy trình làm việc theo cặp giữa lập trình viên và AI

  • Độ phức tạp cao - chuyên gia lập trình là ưu tiên hàng đầu, trí tuệ nhân tạo là ưu tiên thứ hai (đúng vậy, thứ hai)

4) Đo lường các kết quả phù hợp

Không chỉ năng suất. Mà còn:

  • tỷ lệ từ chối

  • kết quả kiểm toán

  • tỷ lệ lật đổ

  • khối lượng truy vấn và chất lượng phản hồi

  • Sự hài lòng của lập trình viên (thật đấy) ( Chương trình CMS CERT )

Nếu năng suất tăng lên và tỷ lệ phủ nhận cũng tăng lên… thì đó không phải là một chiến thắng. Đó chỉ là một vấn đề hấp dẫn mà thôi.

Tương lai sẽ như thế nào (không kèm theo yếu tố khoa học viễn tưởng) 🔮

Đừng giả vờ như mọi thứ sẽ không thay đổi. Sẽ có thay đổi thôi. Nhưng luận điểm "sự kết thúc của lập trình viên" thì quá đơn giản.

Nhiều khả năng hơn:

  • ít vai trò nhập mã thuần túy hơn

  • nhiều vị trí kết hợp hơn (lập trình + kiểm toán + phân tích + tuân thủ)

  • Các nhóm lập trình trở thành các nhóm chất lượng dữ liệu

  • Tính toàn vẹn của tài liệu trở nên quan trọng hơn

  • Dù muốn hay không, AI sẽ trở thành một đồng nghiệp tiêu chuẩn NIST AI RMF 1.0 , OIG – Hướng dẫn chung về chương trình tuân thủ ).

Và đúng vậy, một số công việc sẽ bị cắt giảm trong một số lĩnh vực. Điều đó là sự thật. Nhưng ngành chăm sóc sức khỏe lại ưa thích quy định, sự đa dạng, các trường hợp ngoại lệ và thủ tục giấy tờ. Trí tuệ nhân tạo có thể xử lý nhiều việc… nhưng ngành chăm sóc sức khỏe lại có tài năng trong việc tạo ra những phức tạp mới, như thể đó là một sở thích vậy.

Hạ cánh máy bay: Liệu trí tuệ nhân tạo (AI) có thay thế các chuyên viên mã hóa y tế? 🧡

Hãy hạ cánh chiếc máy bay này.

Liệu trí tuệ nhân tạo (AI) có thay thế hoàn toàn các chuyên viên mã hóa y tế? Không phải theo cách hoàn toàn, triệt để, như trong phim khoa học viễn tưởng mà mọi người vẫn nghĩ. AI chắc chắn sẽ giảm bớt các công việc lặp đi lặp lại, đẩy nhanh quá trình mã hóa thường xuyên và gây áp lực buộc các tổ chức phải tổ chức lại đội ngũ. Nó cũng sẽ tạo ra nhu cầu lớn hơn về giám sát, kiểm toán, bảo vệ tuân thủ, chiến lược từ chối và công tác đảm bảo tính toàn vẹn của tài liệu. ( AHIMA – Bộ công cụ mã hóa hỗ trợ máy tính , OIG – Hướng dẫn chung về chương trình tuân thủ )

Tóm tắt nhanh 🧾

Thêm nữa, thành thật mà nói… nếu AI thực sự “thay thế” hoàn toàn việc lập trình, thì đó là vì việc lập tài liệu đã trở nên hoàn hảo. Và đó là điều phi thực tế nhất mà tôi đã nói hôm nay 😂 ( CMS MLN909160 – Yêu cầu về lập tài liệu hồ sơ y tế )

Câu hỏi thường gặp

Liệu trí tuệ nhân tạo (AI) có hoàn toàn thay thế các chuyên viên mã hóa y tế trong vài năm tới?

Trí tuệ nhân tạo (AI) khó có thể thay thế hoàn toàn các chuyên viên mã hóa y tế trong tương lai gần. Hầu hết các ứng dụng thực tế tập trung vào hỗ trợ các nhiệm vụ thường xuyên, khối lượng lớn hơn là loại bỏ hoàn toàn vai trò của họ. Mã hóa vẫn đòi hỏi khả năng phán đoán, diễn giải hướng dẫn và nhận thức về việc tuân thủ quy định. Trên thực tế, AI thay đổi cách thức làm việc của các chuyên viên mã hóa hơn là việc liệu họ có còn cần đến các chuyên viên mã hóa hay không.

Hiện nay, trí tuệ nhân tạo (AI) được sử dụng như thế nào trong quy trình mã hóa y tế?

Trí tuệ nhân tạo (AI) thường được sử dụng để đề xuất mã, hiển thị tài liệu liên quan, đánh dấu các thông tin còn thiếu và phân loại biểu đồ theo độ phức tạp. Nhiều hệ thống hoạt động theo mô hình có sự tham gia của con người, trong đó các lập trình viên xem xét, điều chỉnh hoặc từ chối các đề xuất của AI. Điều này giúp cải thiện tốc độ mà không chuyển giao trách nhiệm. Giám sát vẫn là điều cần thiết để đảm bảo tuân thủ và độ chính xác.

Những phần nào trong mã hóa y tế dễ dàng được tự động hóa bằng trí tuệ nhân tạo (AI) nhất?

Trí tuệ nhân tạo (AI) hoạt động tốt nhất với các tình huống lặp đi lặp lại, được ghi chép đầy đủ như các lần khám ngoại trú định kỳ hoặc các báo cáo chuyên khoa có cấu trúc. Các kịch bản khối lượng lớn được xây dựng trên các mẫu nhất quán dễ tự động hóa hơn. Tra cứu mã, làm nổi bật bằng chứng và phát hiện các mẫu từ chối cơ bản có xu hướng là những trường hợp sử dụng mạnh mẽ. Việc đánh giá lâm sàng phức tạp vẫn còn là một thách thức.

Tại sao trí tuệ nhân tạo lại gặp khó khăn với các hồ sơ y tế phức tạp hoặc không rõ ràng?

Hồ sơ bệnh án thường chứa đựng sự không chắc chắn, các chẩn đoán mâu thuẫn và ngôn ngữ không chính xác. Trí tuệ nhân tạo (AI) có thể hiểu sai các từ ngữ như “có thể” hoặc “loại trừ” thành các tình trạng đã được xác nhận. Nó cũng có thể bỏ sót một câu quan trọng duy nhất làm thay đổi trình tự hoặc mức độ nghiêm trọng. Những sắc thái này nằm ở cốt lõi của việc mã hóa tuân thủ quy định và rất khó để tự động hóa một cách an toàn.

Liệu trí tuệ nhân tạo (AI) có làm giảm số lượng việc làm mã hóa y tế ở cấp độ đầu vào?

Các vị trí cấp thấp có thể chịu áp lực đầu tiên khi công việc thường nhật ngày càng được tự động hóa. Một số tổ chức có thể giảm tốc độ tuyển dụng, trong khi những tổ chức khác chuyển các lập trình viên cấp dưới sang các vai trò hỗ trợ kiểm toán hoặc kiểm soát chất lượng. Tác động này khác nhau tùy thuộc vào tổ chức và lĩnh vực dịch vụ. Lộ trình sự nghiệp có thể thay đổi và định hình lại chứ không phải biến mất hoàn toàn.

Trí tuệ nhân tạo (AI) ảnh hưởng như thế nào đến việc tuân thủ quy định và rủi ro kiểm toán trong mã hóa y tế?

Trí tuệ nhân tạo (AI) có thể làm tăng cả tốc độ và rủi ro khi quản trị yếu kém. Việc lập trình nhanh hơn mà không có quy trình xem xét kỹ lưỡng có thể làm tăng tỷ lệ từ chối hoặc rủi ro kiểm toán. Các nhóm tuân thủ vẫn cần lý do có thể truy vết và các quyết định có thể bảo vệ được. Việc xem xét của con người, nhật ký kiểm toán và trách nhiệm giải trình rõ ràng vẫn là những biện pháp bảo vệ quan trọng.

Những kỹ năng nào giúp các chuyên viên mã hóa y tế duy trì giá trị trong môi trường hỗ trợ bởi trí tuệ nhân tạo?

Các kỹ năng liên quan đến kiểm toán, diễn giải hướng dẫn, phân tích chính sách của bên chi trả và quản lý từ chối thanh toán thường có giá trị lâu dài. Những người mã hóa hiểu được lý do tại sao một mã là chính xác, chứ không chỉ biết chọn mã nào, sẽ khó thay thế hơn. Chuyên môn sâu rộng và sự hợp tác với CDI cũng làm tăng thêm giá trị. Nhiều vai trò đang hướng tới chất lượng và quản trị.

Liệu việc mã hóa y tế "không cần tiếp xúc trực tiếp" có khả thi đối với hầu hết các tổ chức?

Tự động hóa hoàn toàn có thể hiệu quả với các trường hợp đơn giản, cụ thể và có tài liệu rõ ràng. Tuy nhiên, đối với các trường hợp bệnh nhân nội trú phức tạp hoặc mắc nhiều bệnh cùng lúc, phương pháp này thường không đáp ứng được yêu cầu. Hầu hết các tổ chức đều đạt được kết quả tốt hơn với quy trình làm việc kết hợp. Tự động hóa hoàn toàn thường làm tăng nhu cầu kiểm toán và sửa chữa sau này thay vì loại bỏ công việc.

Tài liệu tham khảo

  1. Văn phòng Tổng thanh tra (OIG), Bộ Y tế và Dịch vụ Nhân sinh Hoa Kỳ - Hướng dẫn chung về Chương trình Tuân thủ - oig.hhs.gov

  2. Viện Tiêu chuẩn và Công nghệ Quốc gia (NIST) - Khung Quản lý Rủi ro Trí tuệ Nhân tạo (AI RMF 1.0) - nist.gov

  3. Viện Tiêu chuẩn và Công nghệ Quốc gia (NIST) - Hồ sơ Trí tuệ Nhân tạo Tạo sinh (NIST AI 600-1) - nist.gov

  4. Trung tâm Dịch vụ Medicare và Medicaid (CMS) - Yêu cầu về tài liệu hồ sơ y tế (MLN909160) - cms.gov

  5. Trung tâm Dịch vụ Medicare và Medicaid (CMS) - Hướng dẫn mã hóa ICD-10-CM năm tài chính 2026 - cms.gov

  6. Trung tâm Dịch vụ Medicare và Medicaid (CMS) - Sáng kiến ​​Mã hóa Chính xác Quốc gia (NCCI) - cms.gov

  7. Hiệp hội Quản lý Thông tin Y tế Hoa Kỳ (AHIMA) - Bộ công cụ mã hóa hỗ trợ bằng máy tính - ahima.org

  8. Trung tâm Dịch vụ Medicare và Medicaid (CMS) - Chương trình Kiểm tra Tỷ lệ Sai sót Toàn diện (CERT) - cms.gov

  9. Trung tâm Dịch vụ Medicare và Medicaid (CMS) - Dịch vụ Đánh giá và Quản lý (MLN006764) - cms.gov

  10. Văn phòng Trách nhiệm Giải trình Chính phủ Hoa Kỳ (GAO) - GAO-19-277 - gao.gov

  11. Trung tâm Dịch vụ Medicare và Medicaid (CMS) - Điều chỉnh rủi ro - cms.gov

Tìm kiếm những công nghệ AI mới nhất tại Cửa hàng Trợ lý AI chính thức

Về chúng tôi

Quay lại blog