Corti enthüllt KI-System, der die Genauigkeit der medizinischen Kodierung neu definieren soll

Das in Kopenhagen ansässige Unternehmen Corti hat ein neues KI-System entwickelt, das eine der größten operativen Herausforderungen im Gesundheitswesen angehen soll: die medizinische Kodierung. Das neueste Release von Corti, Symphony für die medizinische Kodierung, positioniert sich nicht nur als ein weiteres Automatisierungstool, sondern als ein grundlegend anderer Ansatz, wie klinische Daten interpretiert, strukturiert und in Gesundheitssystemen verwendet werden.

Der Launch basiert auf Cortis breiterem Vorstoß in die “klinische KI”, in der Genauigkeit, Nachvollziehbarkeit und realweltliche Einsatzmöglichkeiten ebenso wichtig sind wie die Rohleistung des Modells.

Warum die medizinische Kodierung immer noch Gesundheitssysteme behindert

Medizinische Kodierung befindet sich an der Schnittstelle zwischen klinischer Versorgung, Abrechnung und öffentlicher Gesundheit. Jede Diagnose, Behandlung und Ergebnis muss in standardisierte Codes wie ICD-10 übersetzt werden, die Zehntausende von möglichen Klassifizierungen enthalten.

Das Problem ist nicht nur die Größe, sondern auch die Interpretation.

Die Kodierung erfordert, dass Kliniker oder Spezialisten Bedeutung aus fragmentierten klinischen Notizen extrahieren, Inkonsistenzen auflösen und sich ändernde Richtlinien anwenden. In der Praxis führt dies oft zu verpassten Signalen und unvollständigen Daten.

Ein zitiertes Beispiel veranschaulicht die Auswirkungen: Eine groß angelegte Analyse von Patientenakten ergab, dass wesentlich mehr Suizidversuche in klinischen Notizen dokumentiert wurden als tatsächlich kodiert. Wenn diese Fälle in strukturierten Datenbeständen nicht erfasst werden, verlieren Gesundheitssysteme die Sicht auf kritische Trends, was alles von der Mittelzuweisung bis hin zu Präventionsstrategien untergräbt.

Von der Vorhersage zur Argumentation: Ein Ansatzwechsel

Cortis Kernargument ist, dass die medizinische Kodierung kein Klassifizierungsproblem, sondern ein Argumentationsproblem ist.

Diese Unterscheidung prägt die Architektur hinter Symphony. Anstatt Codes auf der Grundlage alleiniger Mustererkennung zuzuweisen, spiegelt das System die Arbeitsweise menschlicher Kodierer wider. Es identifiziert Beweise in klinischen Daten, bewertet den Kontext, navigiert durch hierarchische Kodierungssysteme und validiert Ausgaben gegen aktuelle Richtlinien.

Dieser Ansatz basiert auf der Forschung des Unternehmens zu multi-agenten KI-Systemen. Sein “Code Like Humans”-Framework verwendet mehrere koordinierte KI-Agents, um komplexe Aufgaben in kleinere Argumentationsschritte zu unterteilen, wodurch sowohl Genauigkeit als auch Konsistenz verbessert werden.

Das Ergebnis, so Corti, ist eine messbare Leistungsunterschied. Symphony soll im Vergleich zu Modellen von großen KI-Anbietern bei Benchmarks für die klinische Kodiergenauigkeit um bis zu 23 Prozent überlegen sein.

Die Infrastruktur hinter dem Modell

Symphony ist kein eigenständiges Modell. Es basiert auf Cortis breiterer agentenbasierter Infrastruktur, bekannt als Corti Agentic Framework.

Im Gegensatz zu herkömmlichen großen Sprachmodellen, die Ausgaben in Isolation generieren, ermöglicht dieses Framework KI-Systemen, zu argumentieren, Informationen abzurufen und strukturierte Aktionen über klinische Workflows hinweg auszuführen. Es ist dafür konzipiert, an externe Datenquellen wie elektronische Gesundheitsakten anzubinden, anstatt sich ausschließlich auf vorgefertigtes Wissen zu verlassen.

Die Plattform führt auch Sicherheitsmechanismen ein, die in Gesundheitsumgebungen unerlässlich sind. Jede Aktion, die von einem KI-Agent durchgeführt wird, wird protokolliert, nachvollziehbar und überprüfbar, wodurch eine klare Argumentationskette hinter jeder Entscheidung entsteht.

Diese Betonung der Nachvollziehbarkeit ist nicht zufällig. In regulierten Umgebungen wie dem Gesundheitswesen ist die Fähigkeit, Entscheidungen zu erklären und zu rechtfertigen, oft ebenso wichtig wie die Entscheidung selbst.

Machung von KI-Ausgaben überprüfbar, nicht nur genau

Eine der wiederkehrenden Kritikpunkte an KI im Gesundheitswesen ist das “Black-Box”-Problem. Selbst wenn Modelle korrekte Ausgaben produzieren, macht der Mangel an Transparenz sie in klinischen oder compliance-getriebenen Umgebungen schwer zu vertrauen.

Corti versucht, dies direkt anzugehen.

Symphony verbindet jeden generierten Code mit den klinischen Beweisen, die zur Rechtfertigung verwendet werden. Es hebt auch Unklarheiten oder Randfälle hervor, sodass menschliche Prüfer schnell verstehen können, wo Ermessensspielräume genutzt wurden.

Dies wandelt KI von einem Tool, das menschliche Überwachung ersetzt, in eines, das sie ergänzt, insbesondere für Compliance-Teams und Prüfer, die für die Validierung von Kodierentscheidungen verantwortlich sind.

Ein System, das für die globale Gesundheitskomplexität entwickelt wurde

Eine weitere Herausforderung bei der medizinischen Kodierung ist die Fragmentierung. Verschiedene Regionen verwenden unterschiedliche Standards, und viele KI-Systeme erfordern umfangreiche Neuschulung, um in verschiedenen Märkten zu operieren.

Symphony ist dafür konzipiert, sowohl in US-amerikanischen als auch in europäischen Kodierungssystemen ohne lokale Feinabstimmung zu funktionieren. Dazu gehören Diagnose-Kodierungsrahmen sowie prozedurale Systeme, die in Abrechnung und Erstattung verwendet werden.

Dies ist wichtig für Gesundheitssoftware-Anbieter und multinationale Anbieter, bei denen die Aufrechterhaltung mehrerer lokalisierter KI-Modelle schnell zu einem Engpass werden kann.

Das größere Bild: Automatisierung der Gesundheitsdatenschicht

Obwohl die medizinische Kodierung wie ein enges Anwendungsgebiet erscheinen mag, spielt sie eine grundlegende Rolle bei der Funktionsweise von Gesundheitssystemen.

Strukturierte Daten, die durch Kodierung generiert werden, fließen in alles ein, von der Versicherungsabrechnung bis hin zu klinischer Forschung und Gesundheitspolitik. Fehler auf dieser Ebene verbreiten sich über das gesamte System.

Cortis breitere Strategie spiegelt diese Realität wider. Seine Plattform unterstützt bereits eine Reihe von KI-Agents für Aufgaben wie Dokumentation, klinische Entscheidungsunterstützung und Koordination der Versorgung, alle auf der gleichen zugrunde liegenden Infrastruktur aufgebaut.

Das Unternehmen geht davon aus, dass das Gesundheitswesen zunehmend auf koordinierte, multi-agenten Systeme angewiesen sein wird, die sowohl administrative als auch klinische Workflows gleichzeitig handhaben.

Von Pilotprojekten zur Produktion

Eine der definierenden Herausforderungen im Gesundheitswesen ist die Lücke zwischen vielversprechenden Prototypen und realweltlicher Einsatz.

Corti positioniert Symphony als ein produktionssicheres System und nicht als experimentelles Modell. Dazu gehören Unternehmenseinsatzoptionen, Unterstützung für Interoperabilitätsstandards und Integration in bestehende Gesundheitssoftware-Stacks.

Der Fokus liegt weniger auf der Demonstration dessen, was KI leisten kann, und mehr auf der Gewährleistung, dass sie sicher, konsistent und im großen Maßstab in realen klinischen Umgebungen operieren kann.

Ein stiller, aber bedeutender Wandel

Die Veröffentlichung von Symphony spiegelt einen umfassenderen Wandel wider, der im Gesundheitswesen stattfindet.

Anstatt immer größere allgemeine Modelle zu entwickeln, konzentrieren sich Unternehmen zunehmend auf spezialisierte Systeme, die für hochriskante Bereiche konzipiert sind. Diese Systeme priorisieren Argumentation, Nachvollziehbarkeit und Integration gegenüber roher generativer Fähigkeit.

Die medizinische Kodierung mag nicht die gleiche Aufmerksamkeit wie Diagnose oder Arzneimittelentdeckung auf sich ziehen, aber sie bildet die Grundlage für viele moderne Gesundheitsinfrastrukturen. Eine Verbesserung, auch wenn sie nur inkrementell ist, kann weitreichende Auswirkungen auf die Betriebs-effizienz und die Ergebnisse für die Patienten haben.

Wenn Cortis Aussagen über Genauigkeit und Nachvollziehbarkeit in realen Einsatzszenarien bestätigt werden, könnte Symphony einen bedeutenden Schritt in Richtung KI-Systeme darstellen, denen Gesundheitsorganisationen tatsächlich vertrauen können.