كيف يعمل الذكاء الاصطناعي على تحويل الترميز الطبي للأطباء والمبرمجين؟

لم يكن أداء إدارة دورة الإيرادات أكثر أهمية من أي وقت مضى. وتوفر التطورات الحديثة في التكنولوجيا، وخاصة الذكاء الاصطناعي، إمكانات كبيرة للوظائف الإدارية في مجال الرعاية الصحية.

وقال جاي أسلم، المؤسس المشارك وكبير علماء البيانات في CodaMetrix، إن وظيفة RCM يمكن أن تضع الأساس لتسخير التكنولوجيا للمساهمة في تحسين أداء المستشفيات والنظام الصحي. كان أسلم جزءًا من الفريق الذي طور نظام الذكاء الاصطناعي الأصلي للتشفير الطبي في ولاية ماساتشوستس جنرال بريجهام في عام 2016 ولديه وجهة نظر داخلية حول الدور الذي يلعبه الذكاء الاصطناعي في إحداث التأثير في RCM اليوم.

لقد أجرينا مقابلة مع أسلم، الذي يتمتع بخبرة تزيد عن 30 عامًا في تطوير الذكاء الاصطناعي والتعلم الآلي وتقنيات معالجة اللغات الطبيعية، للحديث عن جهوده التي بذلها الجنرال بريجهام للذكاء الاصطناعي والتي انبثقت لتصبح CodaMetrix، ووجهات نظره حول الدور الذي يمكن أن يلعبه الذكاء الاصطناعي التوليدي في RCM وما يعتقده أن السنوات الخمس إلى العشر القادمة ستبدو في مجال الرعاية الصحية للذكاء الاصطناعي.

سؤال: لقد ساعدت في إنشاء الذكاء الاصطناعي الأصلي للتشفير الطبي الخاص بـ Mass General Brigham، والذي أدى إلى إنشاء الشركة الفرعية CodaMetrix، التي تمثل شركتك اليوم. يرجى سرد قصة جهود الذكاء الاصطناعي التي بذلتها في Mass General Brigham، وما الذي يفعله الذكاء الاصطناعي، وكيف حدث ذلك.

أ. بدأت أصول تأسيس CodaMetrix في عام 2019 قبل 10 سنوات في عام 2009 عندما قمت بالتسجيل كمستشار لشركة (VOBA Solutions) تعمل مع منظمة الأطباء العامين في ماساتشوستس (MGPO)، وهي جزء مما يُعرف الآن باسم Mass General Brigham. قامت VOBA بتطوير أنظمة مخصصة وتكامل الأنظمة لمختلف وظائف دورة الإيرادات في Mass General، بما في ذلك الترميز الطبي.

كما هو الحال في معظم الأنظمة الصحية، غالبًا ما يقع عبء الترميز الطبي على عاتق الأطباء أنفسهم (على سبيل المثال، بالنسبة لـ CPT أو رموز الإجراءات) و/أو المبرمجين الطبيين المحترفين (غالبًا ما يتعلق بـ ICD أو رموز التشخيص)، وكان MGPO حريصون بشكل خاص على تخفيف عبء الترميز عن الأطباء ولكن أيضًا لتحسين كفاءة طاقم الترميز الطبي المحترف لديهم.

عرف كل من VOBA وMGPO أن لديهما ثروة من البيانات لجعل أنظمتهما “ذكية”، لكن لم يكن لديهما الخبرة اللازمة للقيام بذلك.

لقد تم تعييني كمستشار نظرًا لخبرتي في الذكاء الاصطناعي ومعالجة اللغات الطبيعية والتعلم الآلي والإحصائيات، وبالنظر إلى حقيقة أنني عملت مع أحد أعضاء VOBA في الماضي.

ولتخفيف عبء تشفير الطبيب، بدأنا ببناء نظام قائم على الذكاء الاصطناعي يمكنه تقليص عالم رموز CPT إلى عدد قليل من الرموز المحتملة التي يحتاج الطبيب إلى أخذها في الاعتبار عند مواجهة مهمة ترميز طبي.

بشكل أساسي، يمكننا أن نتعلم من بيانات الفواتير التاريخية، على سبيل المثال، أن جراح الركبة والكتف الذي يجري عملية جراحية بوصف جدول زمني معين، مع احتمال كبير، قد يقوم بإجراء واحد أو أكثر من عدد قليل من الإجراءات – ويمكننا تقديم قائمة بـ CPTs المقابلة لتلك الإجراءات الأكثر احتمالية، بالإضافة إلى أوصافها، ليستخدمها الجراح كنقطة انطلاق في جهود الترميز الخاصة به.

ويتعلم النظام القائم على الذكاء الاصطناعي بشكل مستمر مع مرور الوقت، ومع توفر البيانات الكافية، يمكنه أن يتعلم كيفية تخصيص نتائجه لجراح معين (في مثالنا)، مما يحد إلى حد كبير من مساحة الرموز الأكثر احتمالا التي يتعين على الطبيب مراجعتها. أدى هذا إلى تقليل العبء على الأطباء بشكل كبير عندما واجهوا مهام الترميز الطبي. تم نشر هذا النظام في Mass General Brigham في عام 2010، وهو قيد الاستخدام منذ ذلك الحين – في التعلم المستمر.

في هذا النظام، اعتمدنا على الطبيب – الذي يعرف الإجراء (الإجراءات) التي يقوم بها – لاختيار رمز CPT المناسب في النهاية، ولكننا اكتسبنا الكفاءة من خلال تزويد الطبيب بنقطة بداية جيدة والمعلومات الصحيحة لأداء هذه المهمة بسهولة. .

إذا اعتمدنا بدلاً من ذلك على الملاحظة السريرية، فمن المحتمل أن نتمكن من استبعاد مشاركة الأطباء تمامًا في تشفير CPT و/أو المبرمجين الطبيين المحترفين لتشفير CPT وICD من خلال التنبؤ بالرموز مباشرة من الملاحظة السريرية نفسها.

سيحتاج مثل هذا النظام القائم على الذكاء الاصطناعي إلى تعلم أنماط الكلمات والعبارات في المذكرة السريرية التي تتوافق مع أي كود CPT أو ICD، جنبًا إلى جنب مع قواعد الترميز التي لا تعد ولا تحصى والمتنوعة التي تمليها مختلف الهيئات الإدارية والدافعين.

علاوة على ذلك، إذا تمكن النظام القائم على الذكاء الاصطناعي من إجراء تقييم ذاتي دقيق لثقته في تلك التنبؤات، فيمكنه إجراء ترميز طبي مستقل – إرسال الحالات مباشرة إلى الفاتورة دون تدخل بشري عندما تكون مثل هذه الحالات، بناءً على الثقة الذاتية للذكاء الاصطناعي، مضمونة. مستوى محدد من الدقة، مع إرسال الحالات المتبقية، مع تنبؤات الذكاء الاصطناعي، للمراجعة البشرية.

لقد قمنا بتطوير مثل هذا النظام ونشرناه في Mass General Brigham في عام 2015، حيث تم تشغيله بنجاح والتعلم المستمر منذ ذلك الحين – أتمتة الترميز الطبي، وتخفيف عبء الطبيب، وزيادة كفاءة طاقم الترميز المحترف في Mass General Brigham.

نظرًا لنجاح هذا النظام الذي تم تطويره ونشره داخليًا، قرر الجنرال بريجهام في النهاية استكشاف مدى جدوى هذه التكنولوجيا في سوق الرعاية الصحية الأكبر. بمجرد تحديد أن هذه التكنولوجيا يمكن استخدامها ومفيدة بشكل جيد خارج حدود الجنرال بريجهام، تقرر إنشاء شركة مخصصة لتطوير ونشر هذه التكنولوجيا لصناعة الرعاية الصحية الأكبر. وهكذا، ولدت CodaMetrix في عام 2019.

س. أنت اليوم كبير في دمج الذكاء الاصطناعي التوليدي في الوظائف الإدارية لإدارة دورة الإيرادات. يرجى وصف رؤيتك.

أ. رؤيتنا هي زيادة الكفاءة وخفض التكاليف في نظام الرعاية الصحية في الولايات المتحدة؛ لتخفيف عبء الطبيب والمبرمج الطبي؛ وتوفير الترميز الطبي المستقل بالدقة والخصوصية السريرية اللازمة للرعاية مقابل رسوم الخدمة، والرعاية القائمة على القيمة، وصحة السكان وما بعدها. اسمحوا لي أن أصف كل على حدة.

أولا، تختلف التقديرات، ولكن الوظائف الإدارية ودورة الإيرادات تمثل ما يقرب من 20% إلى 25% من الإنفاق على الرعاية الصحية في الولايات المتحدة ــ الدولارات التي يمكن إنفاقها على رعاية المرضى بدلا من ذلك ــ والترميز الطبي هو العنصر الأكثر تكلفة في دورة الإيرادات. تتمثل رؤيتنا في تطبيق الذكاء الاصطناعي لزيادة الكفاءة وخفض التكلفة في نظام الرعاية الصحية في الولايات المتحدة، بدءًا من الترميز الطبي المستقل.

لكن تقنيات الذكاء الاصطناعي نفسها يمكن أن تسفر عن رؤى وحلول تتجاوز مجرد الترميز الطبي المستقل؛ يمكن أيضًا استخدام هذه التقنيات وتحليل نتائجها لتحسين توجيه الحالات التي تحتاج إلى مراجعة يدوية إلى المبرمجين الطبيين الأكثر ملاءمة، وتحديد فرص تحسين التوثيق السريري، وتمهيد الطريق لخوارزميات الترميز المعتمدة من قبل الدافع، والفصل التلقائي، التفويض المسبق الآلي وما بعده – كل ذلك يؤدي إلى تعزيز الكفاءات وخفض التكاليف في قطاع الرعاية الصحية.

ثانيًا، هدفنا هو توظيف الذكاء الاصطناعي لتقليل العبء على الطبيب والسماح للمبرمجين الطبيين المحترفين بالعمل بأعلى تراخيصهم. بالنسبة للأولى، اسمحوا لي أن أبدأ بحكايتين. كان والدي طبيبًا ممارسًا حتى تقاعده منذ حوالي اثنتي عشرة سنة. أتذكر عندما كنت طفلا في السبعينيات أن والدي كان يقوم بزيارة منزلية – وكنت أرافقه من حين لآخر – لأنه كان لديه الوقت للقيام بذلك وكان بإمكانه توفير هذا المستوى من الرعاية.

ومع ذلك، بحلول الوقت الذي تقاعد فيه والدي من الممارسة الخاصة، كان يقضي ساعات طويلة كل يوم في الأعمال الورقية اللازمة للسداد والتفويض المسبق وما شابه ذلك – ولم يكن وحده الذي يتعرض لهذا العبء الطبي المتزايد باستمرار والذي يقلل من الوقت مع المرضى ويؤدي إلى إرهاق الطبيب.

ثانيًا، لدي قريب خاض مؤخرًا برنامج إقامة وتدريب في مجال الأشعة في إحدى المؤسسات الطبية المرموقة في الولايات المتحدة. وقد روى لي قصة كيف كان السكان يسحبون القش كل أسبوع لمعرفة من سيقوم بالترميز الطبي لجميع حالات الأشعة في ذلك الأسبوع بينما يمكن للآخرين تركيز وقتهم على تعلم الأشعة.

تتمثل رؤيتنا في توظيف الذكاء الاصطناعي لتخفيف عبء الطبيب والسماح للأطباء بالتعلم وممارسة مهنتهم.

حتى بالنسبة للمبرمجين الطبيين المحترفين الذين تتمثل مهمتهم في إجراء الترميز الطبي، فإن مهمة الترميز الطبي يمكن أن تكون شاقة. الحالات الروتينية مثل تصوير الصدر بالأشعة السينية أو فحص تصوير الثدي بالأشعة السينية دون أي نتائج لا تتطلب مهارات كبيرة يتعلمها المبرمجون الطبيون المحترفون، وهدفنا هو أتمتة جميع هذه الحالات – وأكثر من ذلك – للسماح لهؤلاء المتخصصين بالعمل على أعلى مستوى لهم.

وأخيرًا، الترميز الطبي هو اللغة المستخدمة لتلخيص ووصف لقاءات المرضى، من أجل السداد وما بعده. في الوقت الحاضر، في حالة استخدام الرسوم مقابل الخدمة، يحتاج الترميز الطبي فقط إلى تلبية معيار “الضرورة الطبية” الأدنى حيث يكون الترميز السريري الشامل غير مبرر وغالبًا ما يكون غير مرغوب فيه.

ومع ذلك، بالنسبة للرعاية القائمة على القيمة، وصحة السكان، والتجارب السريرية، والتحليلات الطولية والمزيد، هناك حاجة كبيرة إلى ترميز أكثر دقة وشمولاً، ورؤيتنا هي استخدام الذكاء الاصطناعي لتوفير هذا المستوى من الترميز بدقة وكفاءة.

س: كيف ستبدو السنوات الخمس إلى العشر القادمة في مجال الرعاية الصحية للذكاء الاصطناعي والتعلم الآلي ومعالجة اللغات الطبيعية؟

أ. أولا، تعليق عام. في المستقبل، أعتقد أن ثورة الذكاء الاصطناعي سوف يُنظر إليها مثل ثورة الهواتف الذكية إلى حد كبير، بمعنى أنه سيتم النظر إلى الذكاء الاصطناعي باعتباره أداة عالمية لا غنى عنها تعمل على تحسين حياتنا اليومية، ولكن علينا أن نتعلم كيفية استخدامها بحكمة.

فكر في هاتفك الذكي وفكر في مقدار ما يدور في حياتك اليومية – للأفضل في الغالب، ولكن في بعض الأحيان للأسوأ – حول هذا الجهاز الذي لا غنى عنه. وسوف يكون الذكاء الاصطناعي على هذا النحو ــ عالميًا ولا غنى عنه ــ والأمر متروك لنا لتعلم كيفية الاستفادة من الفوائد مع تقليل التكاليف في الوقت نفسه.

في مجال الرعاية الصحية، يعد الترميز الطبي المستقل مجرد تطبيق واحد للذكاء الاصطناعي. وعلى الرغم من أنه قبل بضع سنوات فقط، كان يُنظر إلى الترميز الطبي المستقل على أنه مجال للمراكز الطبية الأكاديمية الكبيرة التي يمكنها تحمل تكاليف تجربة التكنولوجيا المتطورة، إلا أنه يُنظر إليه بسرعة على أنه أداة ضرورية ولا غنى عنها تحتاجها جميع الأنظمة الصحية. بنفس الطريقة التي كان يُنظر بها إلى الهواتف الذكية الأصلية ذات يوم على أنها تقنية متطورة بالنسبة للمتبنين الأوائل، ولكنها سرعان ما أصبحت أدوات لا غنى عنها للجميع.

سيكون الذكاء الاصطناعي على هذا النحو في جميع جوانب الرعاية الصحية بما في ذلك التشخيص وتخطيط العلاج واكتشاف الأدوية وتصميمها – كل شيء تقريبًا. إن الجمع بين كميات هائلة من البيانات والموارد الحسابية وأحدث خوارزميات الذكاء الاصطناعي سيمكن من إجراء تحسينات سريعة في جميع هذه المجالات، ونحن نشهد مثل هذه التحسينات اليوم.

وتعليقي الأخير ورؤيتي للمستقبل هو أن الذكاء الاصطناعي لن يحل محل الجهد البشري بالكامل، بل سيعزز البشر، وأن الأنظمة المعززة بالذكاء الاصطناعي قادرة على تحقيق نتائج أفضل من الذكاء الاصطناعي أو البشر وحدهم. يعد الذكاء الاصطناعي أداة قوية يمكن أن يستخدمها البشر ومن أجلهم وإلى جانبهم في قطاع الرعاية الصحية لتعزيز الكفاءة وتحقيق الأداء.

تابع تغطية Bill’s HIT على LinkedIn: Bill Siwicki
أرسل له بريدًا إلكترونيًا: bsiwicki@himss.org
أخبار تكنولوجيا معلومات الرعاية الصحية هي إحدى منشورات وسائل الإعلام التابعة لشركة HIMSS.