Medizinische Kodierung heute: ein manueller Arbeitsablauf

Die medizinische Kodierung ist das Herzstück des Abrechnungsprozesses. Jede klinische Leistung – sei es eine Diagnose, ein Eingriff oder eine Behandlung – muss in einen standardisierten Code umgewandelt werden, damit sie abgerechnet werden kann.

Bei einer manuellen Einrichtung läuft der Vorgang in der Regel wie folgt ab:

  • Prüfung von Patientenakten: Menschliche Kodierer lesen detaillierte klinische Notizen durch, um relevante medizinische Informationen zu extrahieren.
  • Durchsuchen von Taxonomien: Sie durchsuchen umfangreiche Kodierungsverzeichnisse (oft mit mehr als 100.000 Einträgen), um die entsprechenden Abrechnungscodes zu ermitteln.
  • Zuordnung und Gegenprüfung: Die Codes werden manuell in die Abrechnungssysteme eingegeben und anhand der Compliance-Regeln überprüft.
  • Validierung und Korrektur: Erfahrene Kodierer oder Prüfer überprüfen die Einträge, korrigieren Fehler und klären Unstimmigkeiten mit den Ärzten.

Dieser durchgängige Arbeitsablauf ist sehr repetitiv, zeitaufwendig und fehleranfällig. Verzögerungen führen schnell zu Rückständen, und unvollständige oder ungenaue Kodierungen haben oft zur Folge, dass Erstattungen versäumt werden und finanzielle Einbußen entstehen.

Die Rolle der agentenbasierten AI

In diesem Zusammenhang AI agentische AI eine bahnbrechende Chance: Sie beschränkt sich nicht nur auf die Generierung von Text, sondern koordiniert zielorientierte, autonome Arbeitsabläufe, in denen mehrere spezialisierte AI nahtlos mit menschlichen Experten zusammenarbeiten.

Im Bereich der medizinischen Kodierung AI Agentic AI den manuellen Prozess nachbilden und ihn gleichzeitig beschleunigen und sicherer machen:

  • Lesen und Zusammenfassen von Patientenakten.
  • Relevante Codes aus umfangreichen Taxonomien abrufen.
  • Überprüfung der Einhaltung der Erstattungsrichtlinien.
  • Unterstützung der menschlichen Kontrolle durch transparente Erklärungen.

Kundenbeispiel: Automatisierung der medizinischen Kodierung in einem belgischen Krankenhaus

Mit Eliott BERTRAND und Robin VERSCHUREN aus dem belgischen Büro.

Wir bei Artefact sind davon überzeugt, dass Begegnungen im Gesundheitswesen „Momente im Leben“ sind, die grundsätzlich menschliche Interaktion erfordern. Unser Ziel ist es, Pflegeteams zu unterstützen und klinische Prozesse mithilfe von AI zu optimieren, nicht sie zu ersetzen. Diese Philosophie war ausschlaggebend für unsere jüngste Partnerschaft mit einem Krankenhaus in Belgien, in deren Rahmen wir mithilfe fortschrittlicher Sprachmodelle und Retrieval-Augmented Generation (RAG) die medizinische Kodierung, Abrechnung und Erstattung durch die Sozialversicherung automatisiert haben.

Unser Kunde sah sich mit einem enormen Arbeitsaufwand für die manuelle Erfassung der den Patienten verschriebenen medizinischen Leistungen konfrontiert, was für das belgische Erstattungssystem vorgeschrieben ist.

Ein Team von 18 Vollzeitmitarbeitern hatte die Aufgabe, jeder Patientenakte die entsprechenden medizinischen Codes aus einer Liste von 140.000 Codes zuzuordnen. Zu diesem Zeitpunkt lag das Team bereits Monate hinter dem Zeitplan zurück. Zudem erfasste dieser Prozess nur einen Teil der besonders wertvollen Codes, wodurch erhebliche Einnahmen ungenutzt blieben.

Wir haben einen vierstufigen Prozess entwickelt, der auf mehreren spezialisierten AI basiert

  • Spezialisierter AI : Ein AI liest die Patientenakte, fasst die klinische Situation zusammen und unterteilt den Fall in relevante Kodierungskategorien
  • RAG-gestützte Code-Suche: Ein zweiter Agent nutzt die „Retrieval-Augmented Generation“, um alle Codes zu finden, die für die dokumentierte klinische Situation relevant sind
  • Agent zur Kodierungsvalidierung: Ein dritter Agent überprüft, ob die vorgeschlagenen Kodierungen den offiziellen Regeln entsprechen, und berücksichtigt dabei das Feedback von erfahrenen Kodierern
  • Menschliche Überprüfung: Schließlich überprüft und genehmigt ein medizinischer Kodierer die Empfehlungen AIauf der Grundlage einer Erklärung des letzten Bearbeiters

Durch die Ermittlung bisher übersehener Codes und die Gewährleistung einer vollständigeren Abrechnung erschloss das Krankenhaus neue Einnahmequellen. Erste Anzeichen deuten darauf hin, dass erhebliche Einnahmen erzielt wurden, die zuvor unbemerkt geblieben waren.

Die AI Pipeline führte zu einer Produktivitätssteigerung von 80 %, beseitigte den Engpass bei der Kodierung und ermöglichte es dem Team, den Rückstand aufzuholen. Die Genauigkeit und Vollständigkeit der Kodierung verbesserten sich, wodurch Fehler reduziert und Ablehnungen von Leistungsansprüchen minimiert wurden. Das Krankenhaus erzielte zudem erhebliche Kosteneinsparungen, indem es die Kodierer für wertschöpfendere Aufgaben einsetzte und Überstunden reduzierte.

Insgesamt wurden 80 % der Arbeitslast der 18 Programmierer automatisiert, was zu einer Einsparung von 14,5 Vollzeitstellen führte. Das Projekt erforderte 50 Manntage für externe Beratung und verursachte keine zusätzlichen IT-Kosten, was im ersten Jahr zu einem ROI von etwa 600 % führte (als grobe Schätzung).

Diese Fallstudie spiegelt die Grundüberzeugung Artefactwider: AI nicht nur Innovation, sondern auch Wirkung bringen.

Was kommt als Nächstes: Die Skalierung von Agentic AI

AI agentenbasierten AI beschränken sich selten auf einen einzigen Anwendungsfall. Sobald die erste Implementierung einen messbaren Nutzen nachweist, ziehen Unternehmen in der Regel drei Hauptrichtungen in Betracht:

  • Ausweitung auf angrenzende Arbeitsabläufe, und wenden Sie dieselbe agentenbasierte Logik auf andere sich wiederholende Prozesse mit hohem Durchsatz an (z. B. Berichterstellung, Dokumentation, Compliance-Prüfungen).
  • Bereiten Sie sich auf kontrollierte autonome Abläufe vor, in Bereichen mit klaren Regeln und messbaren Ergebnissen, die es Agenten ermöglichen, unter strengen Governance- und Überwachungsrahmen mit minimalem menschlichem Eingriff zu arbeiten.
  • Schaffen Sie vernetzte Agenten-Ökosysteme, Entwickeln Sie Multi-Agenten-Systeme, die funktionsübergreifend zusammenarbeiten, und erschließen Sie prozessübergreifende Effizienzgewinne.

Dieser Weg zeigt, wie Unternehmen Agentic AI schrittweise AI Pilotanwendungen auf unternehmensweite Auswirkungen ausweiten können, wobei durch eine solide Governance sowohl Effizienz als auch Vertrauen gewährleistet werden.