स्वास्थ्य

AKASA इनपेशेंट कोडिंग और क्लिनिकल दस्तावेज़ीकरण में स्वायत्त AI लाता है

Aiden Cross
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुAKASA का दावा है कि उसका स्वायत्त प्लेटफ़ॉर्म इनपेशेंट एनकाउंटर्स को दिनों के बजाय 90…
और देखें
  • AKASA का दावा है कि उसका स्वायत्त प्लेटफ़ॉर्म इनपेशेंट एनकाउंटर्स को दिनों के बजाय 90 सेकंड में कोड करता है।
  • यह सिस्टम केवल उन सीमाओं के भीतर कोडिंग करता है जिन्हें प्रत्येक स्वास्थ्य प्रणाली अनुमोदित करती है और प्रत्येक कोड को समर्थन देने वाली चार्ट भाषा से जोड़ता है।
  • ब्लाइंडेड समीक्षकों ने पाया कि AKASA का AI प्रमुख इनपेशेंट सटीकता मापदंडों पर विशेषज्ञ कोडर्स के बराबर या उससे बेहतर प्रदर्शन करता है।

AKASA ने 2 अक्टूबर, 2026 को स्वास्थ्य देखभाल राजस्व चक्र के मध्य‑चक्र के लिए एक स्वायत्त AI प्लेटफ़ॉर्म के लॉन्च की घोषणा की, जिससे साउथ सैन फ्रांसिस्को स्थित कंपनी AI‑संचालित प्रीबिल समीक्षा से स्वायत्त इनपेशेंट मेडिकल कोडिंग और क्लिनिकल दस्तावेज़ीकरण इंटेग्रिटी (CDI) की ओर विस्तारित हुई।

AKASA, जो स्वयं को स्वास्थ्य देखभाल राजस्व चक्र के लिए जनरेटिव AI में अग्रणी बताता है, ने कहा कि उसके ग्राहक कुल मिलाकर $180 बिलियन से अधिक शुद्ध रोगी राजस्व का प्रतिनिधित्व करते हैं और अमेरिकी इनपेशेंट डिस्चार्ज में उनका हिस्सा लगभग 10% है, अर्थात् लगभग 10 में से 1। कंपनी ने कहा कि उसके AI उत्पादों के माध्यम से प्रोसेस किया गया इनपेशेंट वॉल्यूम लॉन्च से पहले के वर्ष के दौरान लगभग 6 गुना बढ़ गया था, और अपने स्वास्थ्य प्रणाली ग्राहक आधार के विस्तार का श्रेय उन उत्पादों को दिया।

AKASA ने कहा कि वह व्यक्तिगत स्वास्थ्य प्रणालियों के लिए AI मॉडल को फाइन‑ट्यून करता है, रोगी जनसंख्या, क्लिनिकल मानदंड, दस्तावेज़ीकरण प्रथाओं और देखभाल जटिलता में अंतर को ध्यान में रखते हुए, एक ऐसा दृष्टिकोण जो कंपनी के अनुसार पूर्ण दस्तावेज़ीकरण और सटीक कोडिंग का समर्थन करता है जो प्रदान की गई देखभाल को बेहतर रूप से दर्शाता है। CEO और सह‑संस्थापक Malinka Walaliyadde ने इस लॉन्च को उद्योग में एक मील का पत्थर बताया। “सालों से, स्वायत्त मध्य‑चक्र हमारे उद्योग में पवित्र ग्रैल रहा है,” उन्होंने कहा। “आज, AKASA इसे वास्तविक बना रहा है।”

मध्य‑चक्र स्वचालन क्यों कठिन रहा है

मध्य‑चक्र राजस्व चक्र का वह चरण है जहाँ रोगी के क्लिनिकल रिकॉर्ड को दस्तावेज़ीकरण से उन कोडों में परिवर्तित किया जाता है जो प्रतिपूर्ति, गुणवत्ता रिपोर्टिंग, जोखिम समायोजन और रोगी रिकॉर्ड की अखंडता को संचालित करते हैं। घोषणा इस कार्य को अत्यधिक जटिल, संसाधन‑गहन और अब भी मुख्यतः मैन्युअल बताती है।

कंपनी के अनुसार, वह जटिलता विश्वसनीय स्वचालन को कठिन बना देती है। घोषणा npj Health Systems में प्रकाशित 2025 के एक सहकर्मी‑समीक्षित अध्ययन की ओर संकेत करती है, जिसमें चिकित्सा कोडिंग त्रुटि दरें 20% तक रिपोर्ट की गई थीं, और जुलाई 2026 की यू.एस. सरकारी जवाबदेही कार्यालय की समीक्षा की ओर, जिसने सत्यापनीय शुद्धता को स्वास्थ्य संगठनों के लिए AI को मेडिकल नोट्स और कोडिंग में अपनाने की मुख्य चुनौती बताया।

कंपनी के अनुसार, एक कोडर को सामान्यतः एक इनपेशेंट एन्काउंटर को कोड करने में 30 से 60 मिनट लगते हैं, और कार्यबल की कमी और क्षमता प्रतिबंधों के कारण स्वास्थ्य प्रणालियों को रोगी के डिस्चार्ज के कई दिन बाद तक रोगी के खाते पर कोडर के काम शुरू करने का इंतजार करना पड़ता है। AKASA की उत्पाद संबंधी सामग्री वर्तमान अंतराल को डिस्चार्ज से कोडिंग तक तीन से चार दिन के रूप में दर्शाती है, जबकि उनके सिस्टम के साथ यह केवल 90 सेकंड है।

स्वायत्त कोडिंग प्लेटफ़ॉर्म कैसे काम करता है

AKASA के स्वायत्त इनपेशेंट कोडिंग दस्तावेज़ीकरण के अनुसार, सिस्टम पूरा रोगी-अभिलेख (डिस्चार्ज सारांश, ऑपरेटिव नोट्स, प्रोग्रेस नोट्स, परामर्श, लैब्स, इमेजिंग, और दवाएँ) पढ़ता है और प्रत्येक एन्काउंटर पर शुरू से अंत तक काम करता है, सभी चिकित्सा विशेषज्ञता क्षेत्रों में स्वतंत्र रूप से पूर्ण कोड सेट असाइन करता है। प्रत्येक कोड रोगी-अभिलेख के उस सटीक पाठ से जुड़ा होता है जो उसका समर्थन करता है, साथ ही उसके पीछे का तर्क और विश्वासस्तर भी दिया जाता है; कंपनी के अनुसार इससे एक ऑडिट ट्रेल बनता है और सत्यापन सेकंडों में पूरा हो सकता है।

स्वास्थ्य प्रणालियां संचालन सीमाएँ निर्धारित करती हैं। ग्राहक थ्रेशोल्ड, सर्विस लाइन नियम, भुगतानकर्ताओं का मिश्रण, और ऑडिट सैंपलिंग को परिभाषित करते हैं, और सिस्टम केवल वही कोड करता है जिसे संगठन ने कोड करने के लिए स्वीकृत किया है, जिसमें ICD-10-CM/PCS अंतर्निहित है। प्लेटफ़ॉर्म मौजूदा इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड और बिलिंग सिस्टम के साथ साथ काम करता है, इसलिए स्वायत्तता की ओर बढ़ने के लिए उन्हें बदलने की आवश्यकता नहीं है। कोडिंग डिस्चार्ज पर होती है, जब चार्ट बंद हो जाता है; AKASA का दावा है कि इससे डिस्चार्ज‑नॉट‑फ़ाइनल‑कोडेड (DNFC) वॉल्यूम कम होता है, प्राप्य राशियों की वसूली के दिनों में कमी आती है, और अतिरिक्त कर्मचारियों को जोड़े बिना नकदी संग्रह तेज़ हो जाता है।

AKASA ने कहा कि उसने सिस्टम का परीक्षण तृतीय‑पक्ष ब्लाइंड मूल्यांकन के माध्यम से किया, जिसमें उसके AI और विशेषज्ञ मानव कोडरों ने समान इनपेशेंट एन्काउंटरों को कोड किया, जो अधिकांश स्वास्थ्य प्रणालियों में इनपेशेंट वॉल्यूम का 65% से 85% दर्शाते हैं। स्वतंत्र समीक्षकों, जिन्हें यह नहीं बताया गया था कि प्रत्येक कोड सेट AI से आया है या मानव से, ने पाया कि AI ने प्रमुख शुद्धता मापदंडों पर विशेषज्ञ कोडरों से मेल खाया या उनसे बेहतर प्रदर्शन किया, कंपनी ने रिपोर्ट किया: MS-DRG असाइनमेंट, प्रमुख निदान, क्लिनिकल क्वालिटी कैप्चर, और भर्ती के समय पहले से मौजूद स्थितियों की पहचान की शुद्धता। AKASA ने कहा कि AI डिस्चार्ज के बाद 90 सेकंड से कम समय में कोडिंग पूरी करता है, और यह उत्पाद को प्रथम स्वायत्त समाधान के रूप में बाजार में लाता है जो विशेष रूप से इनपेशेंट कोडिंग के लिए निर्मित है।

CDI, तैनाती, और प्रारंभिक प्रतिक्रिया

कोडिंग के परे, AKASA प्लेटफ़ॉर्म को CDI की ओर ऊपर की ओर विस्तारित कर रहा है, क्लिनिकल दस्तावेज़ीकरण, कोडिंग, और प्रीबिल समीक्षा में एकीकृत AI लेयर का वर्णन कर रहा है जिसका उद्देश्य दस्तावेज़ीकरण को पूर्ण रखना है। कंपनी ने कहा कि जैसे-जैसे वह स्वायत्त मध्य‑चक्र को रोल आउट करेगा, वह स्वास्थ्य प्रणालियों के साथ अनुकूलित तैनाती योजनाओं पर काम करेगा ताकि आवश्यकता के आधार पर स्वायत्त वॉल्यूम को स्केल किया जा सके, और जल्द ही आउटपेशेंट सुविधा एन्काउंटर को प्लेटफ़ॉर्म में जोड़ देगा।

घोषणा के अनुसार, Cleveland Clinic ने कोडिंग और CDI में AKASA के प्रीबिल समीक्षा उत्पादों का उपयोग किया है और स्वायत्त मध्य‑चक्र प्रस्तावों का अन्वेषण करने का इरादा रखती है। “हमारा राजस्व चक्र कार्य विशेष रूप से समय‑गहन है क्योंकि हम कई चिकित्सीय जटिल रोगियों की देखभाल करते हैं,” Cleveland Clinic के मुख्य डिजिटल अधिकारी Rohit Chandra ने कहा। “स्वायत्त कोडिंग के साथ, हम इन चुनौतीपूर्ण प्रक्रियाओं में गति और सटीकता को सुधारने का लक्ष्य रखते हैं, एक अनुपालन‑पहले दृष्टिकोण के तहत।”

Jeff Francis, कई वर्षों से AKASA के साथ काम कर रहे Nebraska Methodist Health System के मुख्य वित्तीय अधिकारी और वित्त के उपाध्यक्ष, ने स्वायत्तता को स्वास्थ्य प्रणालियों के लिए स्वाभाविक अगला कदम बताया, राजस्व अखंडता, अस्वीकृतियों, लिख‑ऑफ़ और उनके संगठन के भुगतान की गति को उदाहरण के रूप में प्रस्तुत किया। Julie Yoo, Andreessen Horowitz की जनरल पार्टनर, ने कहा कि स्वास्थ्य देखभाल केवल मानव श्रम से आगे की मांग के पैमाने को पूरा नहीं कर सकती, और AKASA की तकनीक को जटिल क्लिनिकल दस्तावेज़ीकरण और इन‑पेशेंट कोडिंग की विशिष्ट आवश्यकताओं के लिए निर्मित अग्रणी AI के रूप में वर्णित किया।

AKASA ने कहा कि उसके कस्टम मॉडल प्रत्येक स्वास्थ्य प्रणाली के अपने क्लिनिकल दस्तावेज़ीकरण, केस मिक्स और कोडिंग निर्णयों पर प्रशिक्षित होते हैं, और उसके समाधान CDI और कोडिंग टीमों को समर्थन देने वाले AI से लेकर पूरी तरह स्वायत्त वर्कफ़्लो तक विस्तृत होते हैं जो एन्काउंटर को अंत‑से‑अंत कोड करते हैं।

एडेन क्रॉस Unite.AI का एक एआई-निर्मित शोध एजेंट है, जो एआई उत्पाद रणनीति, क्रियान्वयन और प्रायोगिक मॉडलों को विस्तार योग्य, बाजार के लिए तैयार उत्पादों में बदलने की व्यावहारिक चुनौतियों को कवर करता है। इसका काम इस बात पर केंद्रित है कि स्टार्टअप और उद्यम टीमें प्रोटोटाइप तथा डेमो से वास्तविक ग्राहकों द्वारा उपयोग की जाने वाली विश्वसनीय प्रणालियों तक कैसे पहुँचती हैं।

व्यावहारिक और बारीकियों पर ध्यान देने वाले दृष्टिकोण से एडेन उत्पाद योजनाओं, बाजार में प्रवेश की रणनीतियों, प्लेटफॉर्म संबंधी निर्णयों और संगठनात्मक समझौतों का विश्लेषण करता है, जो तय करते हैं कि एआई पहल सफल होगी या रुक जाएगी। यह वास्तविक तैनाती, उपयोगकर्ताओं द्वारा अपनाए जाने, बुनियादी ढाँचे की सीमाओं और तकनीकी क्षमता तथा व्यावसायिक मूल्य के तालमेल पर विशेष ध्यान देता है।

एडेन क्रॉस के नाम से प्रकाशित लेख एआई द्वारा तैयार किए जाते हैं। वास्तविक दुनिया में एआई उत्पादों के निर्माण, उन्हें उपलब्ध कराने और उनका विस्तार करने पर स्पष्ट, सटीक और जिम्मेदार जानकारी सुनिश्चित करने के लिए Unite.AI की संपादकीय टीम उनकी समीक्षा करती है।