Corti Mengungkap Sistem AI yang Bertujuan untuk Mengubah Akurasi Pengkodean Medis

Copenhagen-based Corti telah memperkenalkan sistem AI baru yang dirancang untuk menangani salah satu tantangan operasional paling persisten di bidang kesehatan: pengkodean medis. Rilis terbaru perusahaan, Symphony for Medical Coding, memposisikan diri tidak hanya sebagai alat otomatisasi lain, tetapi sebagai pendekatan yang secara fundamental berbeda dalam cara data klinis diinterpretasikan, diatur, dan digunakan di seluruh sistem kesehatan.

Peluncuran ini membangun pada dorongan Corti yang lebih luas ke arah “AI klinis”, di mana akurasi, kemampuan pelacakan, dan penerapan di dunia nyata sama pentingnya dengan kinerja model mentah.

Mengapa Pengkodean Medis Masih Menghancurkan Sistem Kesehatan

Pengkodean medis berada di persimpangan perawatan klinis, penagihan, dan kesehatan masyarakat. Setiap diagnosis, pengobatan, dan hasil harus diterjemahkan ke dalam kode standar seperti ICD-10, yang berisi puluhan ribu klasifikasi yang mungkin.

Masalahnya bukan hanya skala, tetapi interpretasi.

Pengkodean memerlukan klinisi atau spesialis untuk mengekstrak makna dari catatan klinis yang terfragmentasi, memecahkan inkonsistensi, dan menerapkan pedoman yang berkembang. Dalam prakteknya, hal ini sering menghasilkan sinyal yang terlewat dan data yang tidak lengkap.

Salah satu contoh yang dikutip menggambarkan taruhan: analisis skala besar terhadap catatan pasien menemukan bahwa upaya bunuh diri yang jauh lebih banyak didokumentasikan dalam catatan klinis daripada yang sebenarnya dikodekan. Ketika kasus-kasus ini tidak tercatat dalam dataset terstruktur, sistem kesehatan kehilangan visibilitas ke dalam tren kritis, melemahkan segala sesuatu dari alokasi dana hingga strategi pencegahan.

Dari Prediksi ke Penalaran: Perubahan Pendekatan

Argumen inti Corti adalah bahwa pengkodean medis bukanlah masalah klasifikasi, melainkan masalah penalaran.

Perbedaan itu membentuk arsitektur di balik Symphony. Alih-alih mengassign kode berdasarkan pengenalan pola saja, sistem ini membangun cara kerja pengkode manusia. Ini mengidentifikasi bukti dalam data klinis, mengevaluasi konteks, menavigasi sistem pengkodean hierarkis, dan memvalidasi output melawan pedoman saat ini.

Pendekatan ini membangun pada penelitian perusahaan sebelumnya tentang sistem AI multi-agents. Kerangka kerja “Code Like Humans” menggunakan beberapa agen AI yang terkordinasi untuk memecah tugas kompleks menjadi langkah-langkah penalaran yang lebih kecil, meningkatkan akurasi dan konsistensi.

Hasilnya, menurut Corti, adalah celah kinerja yang dapat diukur. Symphony dilaporkan mengungguli model kompetitor dari penyedia AI utama dalam benchmark akurasi pengkodean klinis, dengan perbaikan hingga 23 persen.

Infrastruktur di Balik Model

Symphony bukanlah model mandiri. Ini berada di atas infrastruktur berbasis agen yang lebih luas dari Corti, yang dikenal sebagai Corti Agentic Framework.

Tidak seperti model bahasa besar tradisional yang menghasilkan output dalam isolasi, kerangka kerja ini memungkinkan sistem AI untuk bernalar, mengambil informasi, dan mengambil tindakan terstruktur di seluruh alur kerja klinis. Ini dirancang untuk terhubung ke sumber data eksternal seperti catatan kesehatan elektronik, bukan hanya mengandalkan pengetahuan pra-terlatih.

Platform ini juga memperkenalkan fitur pengaman yang penting dalam pengaturan kesehatan. Setiap tindakan yang diambil oleh agen AI dilog, dapat dilacak, dan dapat diaudit, menciptakan rantai penalaran yang jelas di balik setiap keputusan.

Penekanan pada auditabilitas ini tidak kebetulan. Dalam lingkungan yang diatur seperti kesehatan, kemampuan untuk menjelaskan dan membenarkan keputusan seringkali sama pentingnya dengan keputusan itu sendiri.

Membuat Output AI Dapat Diverifikasi, Bukan Hanya Akurat

Salah satu kritik berulang tentang AI di kesehatan adalah masalah “black box”. Bahkan ketika model menghasilkan output yang benar, kurangnya transparansi membuatnya sulit untuk dipercaya dalam lingkungan klinis atau penggerak kepatuhan.

Corti berusaha untuk menangani hal ini.

Symphony menghubungkan setiap kode yang dihasilkan ke bukti klinis yang digunakan untuk membenarkannya. Ini juga menyoroti ketidakjelasan atau kasus tepi, memungkinkan pengulas manusia untuk dengan cepat memahami di mana keputusan penilaian dibuat.

Ini mengubah AI dari alat yang menggantikan pengawasan manusia menjadi alat yang melengkapi, terutama untuk tim kepatuhan dan auditor yang bertanggung jawab untuk memvalidasi keputusan pengkodean.

Sistem yang Dibangun untuk Kompleksitas Kesehatan Global

Tantangan lain dalam pengkodean medis adalah fragmentasi. Berbagai wilayah menggunakan standar yang berbeda, dan banyak sistem AI memerlukan pelatihan ulang yang ekstensif untuk beroperasi di seluruh pasar.

Symphony dirancang untuk bekerja di seluruh sistem pengkodean AS dan Eropa tanpa penyetelan lokal. Ini termasuk kerangka kerja pengkodean diagnosis serta sistem berbasis prosedur yang digunakan dalam penagihan dan pembayaran.

Hal ini penting bagi vendor perangkat lunak kesehatan dan penyedia multinasional, di mana memelihara beberapa model AI lokal dapat dengan cepat menjadi bottleneck.

Gambaran Besar: Mengotomatisasi Lapisan Data Kesehatan

Sementara pengkodean medis mungkin tampak seperti kasus penggunaan yang sempit, hal ini memainkan peran fondasional dalam cara sistem kesehatan beroperasi.

Data terstruktur yang dihasilkan melalui pengkodean memasuki segala sesuatu dari pembayaran asuransi hingga penelitian klinis dan kebijakan kesehatan nasional. Kesalahan pada lapisan ini menyebar ke seluruh sistem.

Strategi yang lebih luas dari Corti mencerminkan kenyataan ini. Platform perusahaan sudah mendukung berbagai agen AI untuk tugas seperti dokumentasi, dukungan keputusan klinis, dan koordinasi perawatan, semua dibangun di atas infrastruktur yang sama.

Tesis perusahaan adalah bahwa kesehatan akan semakin bergantung pada sistem multi-agents yang terkoordinasi yang menangani alur kerja administratif dan klinis secara bersamaan.

Beralih dari Pilot ke Produksi

Salah satu tantangan yang membedakan dalam AI kesehatan telah menjadi kesenjangan antara prototipe yang menjanjikan dan penerapan dunia nyata.

Corti memposisikan Symphony sebagai sistem yang siap produksi daripada model eksperimental. Ini termasuk opsi penerapan perusahaan, dukungan untuk standar interoperabilitas, dan integrasi ke dalam tumpukan perangkat lunak kesehatan yang ada.

Fokusnya kurang pada mendemonstrasikan apa yang dapat dilakukan AI, dan lebih pada memastikan bahwa AI dapat beroperasi dengan aman, konsisten, dan skala dalam lingkungan klinis nyata.

Perubahan Sunyi tapi Bermakna

Peluncuran Symphony mencerminkan perubahan yang lebih luas yang terjadi di seluruh AI di kesehatan.

Alih-alih membangun model umum yang semakin besar, perusahaan semakin fokus pada sistem khusus yang dirancang untuk domain dengan taruhan tinggi. Sistem ini memprioritaskan penalaran, kemampuan pelacakan, dan integrasi daripada kemampuan generatif mentah.

Pengkodean medis mungkin tidak menarik perhatian yang sama dengan diagnostik atau penemuan obat, tetapi hal ini mendukung banyak infrastruktur kesehatan modern. Meningkatkannya, bahkan secara inkremental, dapat memiliki efek yang tidak proporsional pada efisiensi operasional dan hasil pasien.

Jika klaim Corti tentang akurasi dan auditabilitas bertahan dalam penerapan dunia nyata, Symphony bisa mewakili langkah yang bermakna menuju sistem AI yang organisasi kesehatan dapat benar-benar percayai.