当今的医疗编码：人工工作流程

医疗编码是报销流程的关键。每一项临床行为，无论是诊断、手术还是治疗，都必须转化为标准代码才能计费。.

在手动设置中，流程通常如下：

  • 审阅病历：人工编码员通过阅读详细的临床记录来提取相关的医疗信息。.
  • 搜索分类标准：他们浏览大量代码字典（通常大于 100,000 个条目），以确定相应的计费代码。.
  • 分配和交叉检查：人工将代码输入计费系统，并根据合规规则进行核对。.
  • 验证和更正：高级编码员或审核员审核条目、纠正错误并与医生解决差异问题。.

这种端到端的工作流程高度重复、耗时且容易出错。延误很快就会积压下来，而不完整或不准确的编码往往会导致错过报销和资金流失。.

人工智能代理的作用

在这种情况下，人工智能代理（Agentic AI）代表了一个变革性的机遇：它不仅能生成文本，还能协调目标驱动的自主工作流，在工作流中，多个专门的人工智能代理与人类专家进行无缝协作。.

将 Agentic AI 应用于医疗编码时，它可以照搬人工流程，同时加快并确保其安全性：

  • 阅读和总结病人记录。.
  • 在庞大的分类标准中检索相关代码。.
  • 验证是否符合报销框架。.
  • 以透明的解释支持人工监督。.

客户案例： 比利时一家医院实现医疗编码自动化

比利时办事处的 Eliott BERTRAND 和 Robin VERSCHUREN。.

在 Artefact，我们相信，医疗服务是 “生命中的瞬间”，从根本上讲需要人与人之间的互动。我们的目标是通过人工智能增强医疗团队的能力并简化临床流程，而不是取代他们。在这一理念的指导下，我们最近与比利时一家医院合作，利用先进的语言模型和检索增强生成（RAG）技术，实现了医疗编码、计费和社保报销的自动化。.

我们的客户面临着为病人手动编码的巨大工作量，而这在比利时的报销系统中是强制性的。.

一个由 18 人组成的团队的全职工作是为每个病人的病历分配医疗代码，清单上有 14 万个代码。当时，这个团队已经落后了几个月。此外，这一过程只能捕捉到一部分高价值的代码，导致大量收入无人问津。.

我们围绕多个专门的人工智能代理设计了一个四阶段流程

  • 专业人工智能代理：人工智能 “抄写员 ”阅读病历，总结临床情况，并对病例进行分割，以确定相关的编码类别
  • RAG 驱动的代码检索：第二个代理使用检索增强生成功能，查找与记录的临床情况相关的所有代码
  • 代码验证代理：第三代理验证提议的代码是否符合官方规则，并整合编码专家的反馈意见
  • 人工验证：最后，医疗编码员根据上一个代理的解释，审核并批准人工智能的建议。

通过识别以前遗漏的代码并确保更完整的账单，医院获得了新的收入来源。早期指标显示，医院获得了大量收入，而这些收入以前却没有被注意到。.

人工智能驱动的管道提高了 80% 的生产率，消除了编码瓶颈，使团队能够赶上积压工作。编码的准确性和完整性得到提高，减少了错误，最大限度地降低了拒付率。医院还将编码员重新分配到价值更高的任务上，减少了加班时间，从而节省了大量成本。.

从广义上讲，18 个编码人员的 80% 工作量实现了自主化，从而节省了 14.5 个全职员工。该项目花费了 50 个人工日的外部咨询成本，没有额外的 IT 成本，因此第一年的投资回报率约为 600%。.

本案例研究反映了 Artefact 的核心理念：人工智能不仅要实现创新，还要产生影响。.

下一步：扩展代理人工智能

代理人工智能计划很少停留在单一用例上。一旦首次部署展现出可衡量的价值，企业通常会考虑三个主要方向：

  • 扩展到邻近的工作流程、, 将相同的代理逻辑应用于其他重复性、大容量的流程（如报告、文档、合规检查）。.
  • 为受管自主运行做好准备、, 在具有明确规则和可衡量结果的领域中，使代理能够在强有力的管理和监测框架下，以最少的人工干预进行运作。.
  • 建立相互关联的代理生态系统、, 设计跨功能协作的多代理系统，提高跨流程效率。.

这一发展轨迹反映了企业如何逐步扩大代理人工智能的规模，从试点用例发展到企业范围的影响，并通过稳健的管理确保效率和信任。.