AKASA apporte l’IA autonome au codage hospitalier et à la documentation clinique

AKASA, le 2 octobre 2026, annoncé le lancement d’une plateforme d’IA autonome pour la phase intermédiaire du cycle de revenus des soins de santé, élargissant ainsi la société de South San Francisco, qui proposait auparavant une révision préfacturation alimentée par l’IA, au codage médical hospitalier autonome et à l’intégrité de la documentation clinique (CDI).

AKASA, qui se décrit comme un leader de l’IA générative pour le cycle de revenus des soins de santé, a indiqué que ses clients représentent plus de 180 milliards de dollars de revenu net patient agrégé et environ 10 % des sorties hospitalières aux États‑Unis, soit approximativement 1 sortie sur 10. La société a déclaré que le volume d’hospitalisations traité par ses produits d’IA avait presque multiplié par 6 au cours de l’année précédant le lancement, attribuant cette expansion de sa clientèle de systèmes de santé à ces produits.

AKASA a déclaré qu’elle ajuste finement les modèles d’IA pour chaque système de santé, en tenant compte des différences de populations de patients, de critères cliniques, de pratiques de documentation et de complexité des soins, une approche que la société affirme soutenir une documentation complète et un codage précis reflétant mieux les soins prodigués. Le PDG et co‑fondateur Malinka Walaliyadde a présenté le lancement comme une étape majeure pour le secteur. « Depuis des années, une phase intermédiaire autonome était le saint Graal de notre industrie », a‑t‑il déclaré. « Aujourd’hui, AKASA la rend réelle. »

Pourquoi l’automatisation de la phase intermédiaire a été difficile

La phase intermédiaire est l’étape du cycle de revenus où le dossier clinique d’un patient est transformé de la documentation en codes qui déterminent le remboursement, les rapports de qualité, l’ajustement du risque et l’intégrité du dossier patient. L’annonce décrit ce travail comme hautement complexe et exigeant en ressources, et encore majoritairement manuel.

Cette complexité, selon la société, a rendu l’automatisation fiable difficile. L’annonce cite une étude évaluée par des pairs de 2025 publiée dans npj Health Systems, qui a signalé des taux d’erreur de codage médical allant jusqu’à 20 %, ainsi qu’une revue de juillet 2026 du Government Accountability Office des États‑Unis qui a identifié la précision vérifiable comme un défi central pour les organisations de santé adoptant l’IA pour les notes médicales et le codage.

Selon la société, un codeur met généralement entre 30 et 60 minutes pour coder une seule prise en charge hospitalière, et les pénuries de personnel ainsi que les contraintes de capacité peuvent obliger les systèmes de santé à attendre plusieurs jours après la sortie d’un patient avant que le codeur ne commence même à traiter le dossier. Les supports produits d’AKASA présentent l’intervalle actuel entre la sortie et le codage comme étant de trois à quatre jours, contre 90 secondes avec son système.

Comment fonctionne la plateforme de codage autonome

Selon la documentation de codage hospitalier autonome d’AKASA, le système lit l’intégralité du dossier patient (résumés de sortie, notes opératoires, notes d’évolution, consultations, analyses de laboratoire, imagerie et médicaments) et traite chaque prise en charge du début à la fin, en attribuant l’ensemble complet des codes de façon indépendante pour toutes les spécialités. Chaque code renvoie au libellé exact du dossier qui le justifie, avec le raisonnement et le niveau de confiance associés, ce que la société affirme créer une piste d’audit et permettre une validation en quelques secondes.

Les systèmes de santé définissent les limites opérationnelles. Les clients établissent les seuils, les règles de lignes de service, la répartition des payeurs et les échantillons d’audit, et le système ne code que ce que l’organisation lui a autorisé à coder, avec ICD‑10‑CM/PCS intégré. La plateforme fonctionne en parallèle avec les dossiers médicaux électroniques et les systèmes de facturation existants, de sorte que passer à l’autonomie ne nécessite pas de les remplacer. Le codage se fait à la sortie, lorsque le dossier est clôturé ; AKASA affirme que cela réduit le volume des dossiers « discharged‑not‑final‑coded » (DNFC), diminue les jours de comptes à recevoir et accélère la collecte des paiements sans augmenter les effectifs.

AKASA a déclaré avoir testé le système à l’aide d’évaluations aveugles réalisées par des tiers, dans lesquelles son IA et des codeurs humains experts ont codé les mêmes prises en charge hospitalières, représentant de 65 % à 85 % du volume d’hospitalisations dans la plupart des systèmes de santé. Les évaluateurs indépendants, qui ne savaient pas si chaque jeu de codes provenait de l’IA ou d’un humain, ont constaté que l’IA égalait ou dépassait les codeurs experts sur les principales mesures de précision, selon la société : attribution du MS‑DRG, diagnostic principal, capture de la qualité clinique et précision du présent à l’admission. AKASA a indiqué que l’IA termine le codage en moins de 90 secondes après la sortie, et commercialise le produit comme la première solution autonome conçue spécifiquement pour le codage hospitalier.

CDI, déploiement et premières réactions

Au-delà du codage, AKASA étend la plateforme en amont vers le CDI, en décrivant une couche d’IA unifiée couvrant la documentation clinique, le codage et la révision préfacturation, destinée à maintenir une documentation complète. La société a indiqué que, lors du déploiement de la phase intermédiaire autonome, elle collaborera avec les systèmes de santé sur des plans de déploiement personnalisés afin d’ajuster le volume autonome en fonction des besoins, et qu’elle introduira prochainement les prises en charge d’établissements ambulatoires sur la plateforme.

Selon l’annonce, la Cleveland Clinic a utilisé les produits de révision préfacturation d’AKASA pour le codage et le CDI et envisage d’explorer les offres de phase intermédiaire autonome. « Notre travail sur le cycle de revenus est particulièrement chronophage parce que nous prenons en charge de nombreux patients médicalement complexes », a déclaré Rohit Chandra, directeur numérique de la Cleveland Clinic. « Avec le codage autonome, nous cherchons à améliorer la rapidité et la précision de ces processus exigeants, en adoptant une approche où la conformité prime. »

Jeff Francis, directeur financier et vice-président des finances du Nebraska Methodist Health System, qui travaille avec AKASA depuis plusieurs années, a décrit l’autonomie comme l’étape naturelle suivante pour les systèmes de santé, en soulignant l’intégrité des revenus, les refus, les radiations et la rapidité avec laquelle son organisation est payée. Julie Yoo, associée générale chez Andreessen Horowitz, a déclaré que le secteur de la santé ne peut pas répondre à l’ampleur de la demande à venir uniquement grâce à la main‑d’œuvre humaine, et a qualifié la technologie d’AKASA d’IA de pointe conçue pour les exigences spécifiques de la documentation clinique complexe et du codage hospitalier.

AKASA a déclaré que ses modèles personnalisés sont entraînés sur la documentation clinique, le mix de cas et les décisions de codage propres à chaque système de santé, et que ses solutions vont d’une IA qui soutient les équipes CDI et de codage à des flux de travail entièrement autonomes qui codent les rencontres de bout en bout.