الذكاء الاصطناعي للترميز الطبي والفوترة
أعجبك هذا الفيديو؟ تابع دروس الذكاء الاصطناعي المجانية الجديدة على YouTube.
اشتركما الذي ستتعلمه
في هذا الدرس ستتعلم كيف يغيّر الذكاء الاصطناعي (AI) إدارة دورة الإيرادات في الرعاية الصحية. ستستكشف الترميز الطبي (medical coding) بمساعدة الذكاء الاصطناعي، والتسجيل الآلي للرسوم (charge capture)، وإدارة رفض المطالبات، والموافقة المسبقة (prior authorization). تساعد هذه الأدوات مؤسسات الرعاية الصحية على تحصيل الإيرادات المستحقة، وتقليل رفض المطالبات، وتفريغ مختصّي الترميز للتركيز على الحالات المعقّدة.
تحدي دورة الإيرادات
الترميز الطبي والفوترة هما العمود الفقري المالي للرعاية الصحية. يجب تحويل كل لقاء سريري إلى رموز موحّدة، هي ICD-10 للتشخيصات، وCPT للإجراءات، وHCPCS للمستلزمات والخدمات، وهي التي تحدد المبلغ الذي تتقاضاه المؤسسة. والمخاطر كبيرة:
- الترميز الناقص (undercoding) يعني خسارة الإيرادات. فإذا وثّق الطبيب زيارة معقّدة وأعطاها المرمِّز رمزًا بمستوى أدنى، فلن تُعوَّض المؤسسة عن العمل المنجز.
- الترميز الزائد (overcoding) يؤدي إلى عمليات تدقيق وعقوبات واتهامات محتملة بالاحتيال. يجب أن يعكس الترميز التوثيق السريري بدقة.
- رفض المطالبات يكلّف المستشفى في المتوسط 4.9 مليون دولار سنويًا في إعادة العمل والإيرادات الضائعة.
يواجه العاملون في الترميز تحديات خاصة بهم. فهناك نقص مستمر في المرمِّزين الطبيين المؤهّلين، وتعقيد أنظمة الترميز يزداد باستمرار. يحتوي ICD-10 على أكثر من 72,000 رمز تشخيصي، ومواكبة التحديثات السنوية، وقواعد كل جهة دافعة، والإرشادات المتغيّرة تحدٍّ دائم.
كيف يعمل الترميز بمساعدة الذكاء الاصطناعي
تستخدم أدوات الترميز بالذكاء الاصطناعي معالجة اللغة الطبيعية (NLP) لقراءة التوثيق السريري، مثل ملاحظات الأطباء وتقارير العمليات وملخصات الخروج، واقتراح الرموز المناسبة. إليك سير العمل المعتاد:
- تحليل المستند: يقرأ الذكاء الاصطناعي الملاحظة السريرية ويحدّد التشخيصات والإجراءات والحالات ذات الصلة.
- اقتراح الرموز: بناءً على تحليله، يقترح الذكاء الاصطناعي رموز ICD-10 وCPT وHCPCS مع درجات ثقة.
- المراجعة البشرية: يراجع مرمِّز معتمد الاقتراحات، فيقبلها أو يعدّلها، ويتولى أي حالات يكون فيها الذكاء الاصطناعي غير متأكد.
- حلقة التغذية الراجعة: تعود تصحيحات المرمِّزين البشريين إلى النظام، فتتحسّن دقته مع الوقت.
أهم منصات الترميز بالذكاء الاصطناعي
- 3M M*Modal: يستخدم معالجة اللغة الطبيعية والذكاء الاصطناعي لتحليل التوثيق السريري فوريًا واقتراح الرموز. يتكامل مع أنظمة السجل الصحي الإلكتروني (EHR) الكبرى، ويستطيع أيضًا تحديد ثغرات التوثيق التي، إذا عولجت، تدعم ترميزًا أكثر تحديدًا.
- Regard: يحلّل ملفات المرضى ويقترح تشخيصات قد تكون موجودة في الصورة السريرية لكنها غير موثّقة صراحة. وهذا يعالج المشكلة الشائعة لنقص التوثيق، حيث تكون حالات مثل سوء التغذية أو الإصابة الكلوية الحادة أو الإنتان موجودة سريريًا لكنها غير مسجّلة في التقييم.
- Nym Health: يقدّم ترميزًا طبيًا مستقلًا لأنواع معيّنة من اللقاءات، فيعالج المطالبات دون مراجعة بشرية في الحالات التي تكون فيها ثقة الذكاء الاصطناعي عالية. ويتولى مرمِّز بشري الحالات المعقّدة أو غير المؤكدة.
- AKASA: يجمع بين الذكاء الاصطناعي والخبراء البشريين لأتمتة مهام دورة الإيرادات، ومنها الترميز، وتقديم المطالبات، وإدارة الرفض.
الذكاء الاصطناعي لتسجيل الرسوم
تسجيل الرسوم، أي التأكد من تسجيل جميع الخدمات القابلة للفوترة، مجال آخر يضيف فيه الذكاء الاصطناعي قيمة كبيرة. تشير الدراسات إلى أن المستشفيات تفوّت 1-5% من الرسوم، وهو ما يمثّل إيرادات ضائعة كبيرة.
أدوات تسجيل الرسوم بالذكاء الاصطناعي:
- تفحص الملاحظات السريرية بحثًا عن الإجراءات والتقييمات والخدمات التي ينبغي أن تُنتج رسومًا
- تقارن مع الرسوم المفوترة لتحديد الفروقات
- تنبّه مقدّمي الرعاية أو فرق الترميز عندما تبدو خدمات قابلة للفوترة مفقودة
- تتتبّع الأنماط لتحديد الثغرات المنهجية في تسجيل الرسوم (مثلًا، قسم يفوّت باستمرار رسوم إجراء معيّن)
بالنسبة للأطباء، يعني هذا عددًا أقل من محادثات "هل تذكّرت تسجيل رسوم ذلك الإجراء؟" وتحصيلًا أكمل للإيرادات دون جهد إداري إضافي.
الإدارة الآلية لرفض المطالبات
رفض المطالبات من أكثر المشكلات تكلفة في إدارة دورة الإيرادات الصحية. ويعالجها الذكاء الاصطناعي في عدة مراحل:
منع الرفض
يحلّل الذكاء الاصطناعي المطالبات قبل تقديمها لتحديد الأسباب المحتملة للرفض:
- معلومات مفقودة أو غير متّسقة
- ثغرات في توثيق الضرورة الطبية
- متطلبات موافقة لم تُستوفَ
- تركيبات رموز معروف أنها تسبّب الرفض لدى جهات دافعة معيّنة
باكتشاف هذه المشكلات قبل تقديم المطالبة، يستطيع الذكاء الاصطناعي منع نسبة كبيرة من حالات الرفض.
تحليل الرفض والاعتراض عليه
عندما يحدث الرفض فعلًا، تقوم أدوات الذكاء الاصطناعي بما يلي:
- تصنيف حالات الرفض حسب السبب والجهة الدافعة والقسم لتحديد الأنماط
- ترتيب الاعتراضات حسب الأولوية بناءً على المبلغ واحتمال إلغاء الرفض
- صياغة رسائل الاعتراض مع الصياغة المناسبة للمبرّر السريري
- تتبّع النتائج لتحسين استراتيجيات المنع باستمرار
الذكاء الاصطناعي للموافقة المسبقة
الموافقة المسبقة، أي الحصول على موافقة الجهة الدافعة قبل تقديم خدمات معيّنة، من أكثر الأعباء الإدارية إحباطًا في الرعاية الصحية. وجد استطلاع أجرته AMA عام 2024 أن الأطباء وطواقمهم يقضون في المتوسط 12 ساعة أسبوعيًا في الموافقات المسبقة، وأن 94% من الأطباء يقولون إن الموافقة المسبقة تؤخّر الوصول إلى الرعاية اللازمة.
يبسّط الذكاء الاصطناعي هذه العملية:
- التقديم الآلي: يحدّد الذكاء الاصطناعي متى تتطلب خدمة ما موافقة مسبقة، ويبدأ الطلب تلقائيًا مع التوثيق السريري اللازم.
- التوثيق الذكي: يجمع الذكاء الاصطناعي الأدلة السريرية المحددة التي تطلبها كل جهة دافعة، وفق معاييرها.
- تتبّع الحالة: يراقب الذكاء الاصطناعي حالة الموافقة ويصعّد الطلبات المتأخرة.
- التنبؤ بالموافقة: تتنبأ بعض أدوات الذكاء الاصطناعي باحتمال الموافقة، مما يساعد العيادات على تقرير المضي قدمًا أو إعداد خطة بديلة.
تُعدّ Notable Health من المنصات الرائدة في هذا المجال، إذ تؤتمت الموافقات المسبقة وتقلّل وقت المعالجة من أيام إلى ساعات.
مستقبل الذكاء الاصطناعي في دورة الإيرادات
الاتجاه واضح: مهام الترميز الروتينية كثيفة الحجم سيتولاها الذكاء الاصطناعي بشكل متزايد تحت إشراف بشري، بينما يركّز المرمِّزون المعتمدون على الحالات المعقّدة، وضمان الجودة، والتحسين الاستراتيجي للإيرادات. هذا التحوّل لا يُلغي وظائف الترميز، بل يغيّرها، فيجعل العمل أكثر إثارة فكريًا وأقل تكرارًا.
أهم النقاط
- تستخدم أدوات الترميز بالذكاء الاصطناعي معالجة اللغة الطبيعية لقراءة التوثيق السريري واقتراح رموز ICD-10 وCPT وHCPCS، ويراجع المرمِّزون البشريون الاقتراحات ويعتمدونها
- تحدّد أدوات تسجيل الرسوم بالذكاء الاصطناعي الخدمات القابلة للفوترة التي فاتت، بفحص الملاحظات السريرية ومقارنتها مع الرسوم المفوترة
- يحلّل الذكاء الاصطناعي لمنع الرفض المطالبات قبل تقديمها لاكتشاف الأخطاء، بينما يصنّف الذكاء الاصطناعي لإدارة الرفض الحالات ويرتّبها حسب الأولوية ويصيغ الاعتراضات
- تؤتمت أدوات الذكاء الاصطناعي للموافقة المسبقة تقديم الطلبات، وتجمع التوثيق الخاص بكل جهة دافعة، وتقلّل وقت المعالجة من أيام إلى ساعات
- ينقل الذكاء الاصطناعي مختصّي الترميز من المهام المتكررة إلى الحالات المعقّدة والتحسين الاستراتيجي للإيرادات
اختبار قصير
التالي · الدرس 8 من 13
الذكاء الاصطناعي للتواصل مع المرضى
قراءة 5 دقيقة
أنهيت 7 من 13 درسًا

اسأل Byte عن هذا الدرس
محادثة خاصة حول هذا الدرس. قرأ Byte الدرس كاملًا، ويجيب خلال ثوانٍ، ويُظهر القسم الذي تأتي منه كل إجابة. يمكنك السؤال بأي لغة.
الأسئلة والأجوبة
أسئلة عامة حول هذا الدرس. يجيب AI Tutor فورًا بلغتك، ويراجع فريق FreeAcademy الإجابات، ويمكن لكل المتعلمين قراءتها.

