AKASA bringt autonome KI für die stationäre Kodierung und klinische Dokumentation

AKASA am 2. Oktober 2026 kündigte die Einführung einer autonomen KI-Plattform für die Mittelphase des Gesundheitsrechnungszyklus und erweitert das Unternehmen aus South San Francisco von KI‑gestützter Vorabrechnungsprüfung zu autonomer stationärer medizinischer Kodierung und klinischer Dokumentationsintegrität (CDI).

AKASA, das sich selbst als führend im Bereich generativer KI für den Gesundheitsrechnungszyklus bezeichnet, sagte, dass seine Kunden mehr als $180 billion an aggregiertem Nettopatientenumsatz und etwa 10 % der stationären Entlassungen in den USA ausmachen, also ungefähr 1 von 10. Das Unternehmen gab an, dass das durch seine KI‑Produkte verarbeitete stationäre Volumen im Jahr vor der Einführung fast um das 6x gewachsen sei und dass das Wachstum seiner Kundenbasis im Gesundheitswesen auf diese Produkte zurückzuführen sei.

AKASA sagte, dass es KI‑Modelle für einzelne Gesundheitssysteme feinabstimmt und dabei Unterschiede in Patientengruppen, klinischen Kriterien, Dokumentationspraktiken und Pflegekomplexität berücksichtigt, ein Ansatz, von dem das Unternehmen behauptet, dass er eine vollständige Dokumentation und genaue Kodierung unterstützt, die die erbrachte Versorgung besser widerspiegelt. CEO und Mitbegründer Malinka Walaliyadde bezeichnete die Einführung als Meilenstein der Branche. „Seit Jahren ist eine autonome Mittelphase das Heiligtum unserer Branche“, sagte er. „Heute macht AKASA sie real.“

Warum die Automatisierung der Mittelphase schwierig war

Die Mittelphase ist der Abschnitt des Rechnungszyklus, in dem die klinische Patientenakte aus der Dokumentation in die Codes übersetzt wird, die die Erstattung, Qualitätsberichterstattung, Risikoadjustierung und die Integrität der Patientenakte steuern. Die Ankündigung beschreibt diese Arbeit als hochkomplex und ressourcenintensiv und nach wie vor überwiegend manuell.

Diese Komplexität, so das Unternehmen, habe eine zuverlässige Automatisierung erschwert. Die Ankündigung verweist auf eine im Jahr 2025 veröffentlichte, peer‑reviewte Studie in npj Health Systems, die Fehlerraten bei der medizinischen Kodierung von bis zu 20 % meldete, sowie auf eine Überprüfung des U.S. Government Accountability Office vom Juli 2026, die nachweisbare Genauigkeit als zentrale Herausforderung für Gesundheitsorganisationen identifizierte, die KI für medizinische Notizen und Kodierung einsetzen.

Laut dem Unternehmen benötigt ein Kodierer typischerweise 30 bis 60 Minuten, um einen einzelnen stationären Fall zu kodieren, und Fachkräftemangel sowie Kapazitätsengpässe können Gesundheitssysteme mehrere Tage nach der Entlassung eines Patienten warten lassen, bevor ein Kodierer überhaupt mit dem Vorgang beginnt. Die Produktunterlagen von AKASA stellen das aktuelle Intervall vom Entlassungszeitpunkt bis zur Kodierung mit drei bis vier Tagen dar, im Vergleich zu 90 Sekunden mit ihrem System.

Wie die autonome Kodierungsplattform funktioniert

Gemäß AKASAs autonome stationäre Kodierungsdokumentation liest das System die komplette Patientenakte (Entlassungsberichte, Operationsberichte, Verlaufsnotizen, Konsultationen, Laborwerte, Bildgebung und Medikamente) und bearbeitet jeden Fall von Anfang bis Ende, wobei es den vollständigen Codesatz unabhängig über alle Fachbereiche hinweg zuweist. Jeder Code verweist zurück auf die genaue Formulierung in der Akte, die ihn unterstützt, samt Begründung und Vertrauen, was, so das Unternehmen, eine Prüfspur erzeugt und die Validierung in Sekunden ermöglicht.

Gesundheitssysteme legen die Betriebsgrenzen fest. Kunden definieren Schwellenwerte, Service‑Line‑Regeln, Kostenträgermix und Stichproben für Audits, und das System kodiert nur das, was die Organisation ihm zur Kodierung freigegeben hat, mit integriertem ICD‑10‑CM/PCS. Die Plattform arbeitet neben bestehenden elektronischen Gesundheitsakten‑ und Abrechnungssystemen, sodass der Übergang zur Autonomie keinen Austausch dieser Systeme erfordert. Die Kodierung erfolgt bei der Entlassung, wenn die Akte geschlossen wird; AKASA behauptet, dass dies das Volumen von discharged-not-final-coded (DNFC) reduziert, die Forderungslaufzeiten verkürzt und die Zahlungseingänge beschleunigt, ohne zusätzliches Personal einzustellen.

AKASA sagte, dass es das System in von Dritten durchgeführten, verblindeten Evaluierungen getestet habe, bei denen seine KI und erfahrene menschliche Kodierer dieselben stationären Fälle kodierten, was 65 % bis 85 % des stationären Volumens bei den meisten Gesundheitssystemen ausmachte. Unabhängige Prüfer, denen nicht mitgeteilt wurde, ob jeder Codesatz von der KI oder einem Menschen stammte, stellten fest, dass die KI die Expertenkodierer bei den wichtigsten Genauigkeitskennzahlen gleichzog oder übertraf, berichtete das Unternehmen: MS‑DRG‑Zuordnung, Hauptdiagnose, Erfassung klinischer Qualität und Genauigkeit bei der Aufnahme (present‑on‑admission). AKASA sagte, die KI erledige die Kodierung in weniger als 90 Sekunden nach der Entlassung und vermarkte das Produkt als die erste autonome Lösung, die speziell für die stationäre Kodierung entwickelt wurde.

CDI, Bereitstellung und erste Reaktion

Über die Kodierung hinaus erweitert AKASA die Plattform stromaufwärts in den Bereich CDI und beschreibt eine einheitliche KI‑Schicht über klinische Dokumentation, Kodierung und Vorabrechnungsprüfung, die die Vollständigkeit der Dokumentation sicherstellen soll. Das Unternehmen erklärte, dass es bei der Einführung der autonomen Mittelphase mit den Gesundheitssystemen maßgeschneiderte Implementierungspläne erarbeiten wird, um das autonome Volumen nach Bedarf zu skalieren, und dass es bald ambulante Einrichtungen‑Fälle in die Plattform integrieren wird.

Laut der Ankündigung hat die Cleveland Clinic AKASAs Vorabrechnungs‑Produktpalette sowohl für die Kodierung als auch für CDI eingesetzt und beabsichtigt, die Angebote der autonomen Mittelphase zu prüfen. „Unsere Arbeit im Rechnungszyklus ist besonders zeitintensiv, weil wir uns um viele medizinisch komplexe Patienten kümmern“, sagte Rohit Chandra, Chief Digital Officer der Cleveland Clinic. „Mit autonomer Kodierung wollen wir die Geschwindigkeit und Präzision in diesen anspruchsvollen Prozessen verbessern, wobei wir einen Compliance‑first‑Ansatz verfolgen.“

Jeff Francis, Chief Financial Officer und Vizepräsident für Finanzen bei Nebraska Methodist Health System, das seit mehreren Jahren mit AKASA zusammenarbeitet, beschrieb Autonomie als den natürlichen nächsten Schritt für Gesundheitssysteme und verwies dabei auf Einnahmeintegrität, Ablehnungen, Abschreibungen und die Geschwindigkeit, mit der seine Organisation bezahlt wird. Julie Yoo, General Partner bei Andreessen Horowitz, sagte, das Gesundheitswesen könne die bevorstehende Nachfrage nicht allein durch menschliche Arbeit bewältigen, und charakterisierte die Technologie von AKASA als Frontier‑KI, die für die speziellen Anforderungen komplexer klinischer Dokumentation und stationärer Kodierung entwickelt wurde.

AKASA sagte, dass seine maßgeschneiderten Modelle auf der eigenen klinischen Dokumentation, dem Fallmix und den Kodierungsentscheidungen jedes Gesundheitssystems trainiert werden und dass seine Lösungen von KI, die CDI‑ und Kodierungsteams unterstützt, bis hin zu vollständig autonomen Workflows reichen, die Begegnungen von Anfang bis Ende kodieren.