La codificación médica hoy: un flujo de trabajo manual

La codificación médica es el eje del proceso de reembolso. Cada acto clínico, ya sea un diagnóstico, un procedimiento o un tratamiento, debe traducirse en un código normalizado para ser facturado.

En una configuración manual, el proceso suele desarrollarse del siguiente modo:

  • Revisión de los historiales de los pacientes: Los codificadores humanos leen las notas clínicas detalladas para extraer la información médica pertinente.
  • Búsqueda en taxonomías: Navegan por extensos diccionarios de códigos (a menudo >100.000 entradas) para identificar los códigos de facturación correspondientes.
  • Asignación y verificación cruzada: Los códigos se introducen manualmente en los sistemas de facturación y se cotejan con las normas de conformidad.
  • Validación y corrección: Los codificadores o auditores superiores revisan las entradas, corrigen los errores y resuelven las discrepancias con los médicos.

Este flujo de trabajo integral es muy repetitivo, lento y propenso a errores. Los retrasos se acumulan rápidamente y una codificación incompleta o inexacta suele dar lugar a la pérdida de reembolsos y pérdidas económicas.

El papel de la AI agéntica

En este contexto, la AI agenética representa una oportunidad transformadora: no se trata sólo de generar texto, sino de orquestar flujos de trabajo autónomos y orientados a objetivos en los que múltiples agentes de AI especializados colaboran a la perfección con expertos humanos.

Aplicada a la codificación médica, AI Agentic puede reflejar el proceso manual al tiempo que lo acelera y asegura:

  • Lectura y resumen de historiales de pacientes.
  • Recuperación de códigos pertinentes en vastas taxonomías.
  • Validar el cumplimiento de los marcos de reembolso.
  • Apoyar la supervisión humana con explicaciones transparentes.

Caso de cliente: Automatización de la codificación médica en un hospital belga

Con Eliott BERTRAND y Robin VERSCHUREN, de la oficina de Bélgica.

En Artefact, creemos que los encuentros sanitarios son "momentos de la vida" que requieren fundamentalmente la interacción humana. Nuestro objetivo es capacitar a los equipos asistenciales y agilizar los procesos clínicos mediante AI, no sustituirlos. Esta filosofía ha guiado nuestra reciente colaboración con un hospital belga para automatizar la codificación médica, la facturación y el reembolso de la seguridad social mediante modelos lingüísticos avanzados y la Generación de Recuperación Aumentada (RAG).

Nuestro cliente se enfrentaba a una enorme carga de trabajo para codificar manualmente el gesto médico dispensado a los pacientes, lo que es obligatorio para el sistema de reembolso en Bélgica.

Un equipo de 18 personas a tiempo completo se encargaba de asignar a cada expediente de paciente sus códigos médicos, sobre una lista de 140.000 códigos. En aquel momento, este equipo ya llevaba meses de retraso. Además, este proceso solo captaba un subconjunto de códigos de alto valor, lo que dejaba importantes ingresos sin reclamar.

Hemos diseñado un proceso de cuatro etapas, en torno a múltiples agentes especializados AI

  • Agente de AI especializado: Un "escriba" de AI lee el historial del paciente, resume la situación clínica y segmenta el caso para identificar las categorías de codificación pertinentes.
  • Recuperación de códigos mediante RAG: Un segundo agente utiliza la generación potenciada por recuperación para encontrar todos los códigos relevantes para la situación clínica documentada
  • Agente de validación de códigos: Un tercer agente verifica que los códigos propuestos cumplen las normas oficiales e integra los comentarios de codificadores expertos
  • Validación humana: Por último, un codificador médico revisa y aprueba las recomendaciones de AI; basándose en una explicación del último agente

Al identificar códigos que antes no se registraban y garantizar una facturación más completa, el hospital desbloqueó nuevas fuentes de ingresos. Los primeros indicadores sugieren una importante captación de ingresos que antes había pasado desapercibida.

La canalización AI permitió aumentar la productividad en un 80%, eliminando el cuello de botella de la codificación y permitiendo al equipo ponerse al día con los atrasos. La precisión y exhaustividad de la codificación mejoraron, lo que redujo los errores y minimizó las denegaciones de reclamaciones. El hospital también consiguió un importante ahorro de costes al reasignar a los codificadores a tareas de mayor valor y reducir las horas extra.

En términos generales, se ha autonomizado el 80% de la carga de trabajo de las 18 personas que codificaban, lo que supone un ahorro de 14,5 ETC. El proyecto costó 50 días-hombre de consultoría externa y ningún coste informático adicional, lo que se tradujo en un ROI del orden del 600% durante el primer año.

Este estudio de caso refleja la creencia fundamental de Artefact: AI no solo debe ser innovadora, sino también impactante.

Próximos pasos: ampliar la AI agéntica

Las iniciativas de AI agéntica rara vez se detienen en un único caso de uso. Una vez que el primer despliegue demuestra un valor mensurable, las organizaciones suelen considerar tres direcciones principales:

  • Extender a flujos de trabajo adyacentes, aplicando la misma lógica ágil a otros procesos repetitivos y de gran volumen (por ejemplo, informes, documentación, controles de conformidad).
  • Prepararse para operaciones autónomas gobernadas en dominios con reglas claras y resultados mensurables, que permitan a los agentes operar con una intervención humana mínima bajo sólidos marcos de gobernanza y supervisión.
  • Construir ecosistemas de agentes interconectados, diseñando sistemas multiagente que colaboran entre funciones, desbloqueando ganancias de eficiencia entre procesos.

Esta trayectoria refleja cómo las organizaciones pueden escalar progresivamente la AI Agentic desde casos de uso piloto hasta el impacto en toda la empresa, garantizando tanto la eficiencia como la confianza a través de una sólida gobernanza.