Corti Meluncurkan Sistem AI yang Bertujuan Mengubah Akurasi Penyandian Medis

Copenhagen-based Corti telah memperkenalkan sistem AI baru yang dirancang untuk menangani salah satu tantangan operasional terbesar dalam perawatan kesehatan: penyandian medis. Rilis terbaru perusahaan, Symphony untuk Penyandian Medis, memposisikan diri tidak hanya sebagai alat otomatisasi lainnya, 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 dilacak, dan penerapan dunia nyata sama pentingnya dengan kinerja model mentah.

Mengapa Penyandian Medis Masih Merusak Sistem Kesehatan

Penyandian medis berada di persimpangan antara 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 juga interpretasi.

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

Salah satu contoh yang dikutip menggambarkan taruhan: analisis skala besar atas 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 segalanya mulai dari alokasi dana hingga strategi pencegahan.

Dari Prediksi ke Penalaran: Perubahan Pendekatan

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

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

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

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

Infrastruktur di Balik Model

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

Tidak seperti model bahasa besar tradisional yang menghasilkan output dalam isolasi, kerangka 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 pengaman yang penting dalam pengaturan kesehatan. Setiap tindakan yang diambil oleh agen AI dicatat, dapat dilacak, dan dapat diaudit, menciptakan rantai penalaran yang jelas di balik setiap keputusan.

Penekanan pada kemampuan diaudit ini tidak insidental. Dalam lingkungan yang diatur seperti kesehatan, kemampuan untuk menjelaskan dan membenarkan keputusan sering sama pentingnya dengan keputusan itu sendiri.

Membuat Keluaran AI Dapat Diverifikasi, Bukan Hanya Akurat

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

Corti berusaha untuk mengatasi masalah ini secara langsung.

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.

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

Sistem yang Dibangun untuk Kompleksitas Kesehatan Global

Tantangan lain dalam penyandian 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 kode AS dan Eropa tanpa penyesuaian lokal. Ini termasuk kerangka kode 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 penyandian medis mungkin tampak seperti kasus penggunaan yang sempit, ini memainkan peran fondasional dalam cara sistem kesehatan beroperasi.

Data terstruktur yang dihasilkan melalui penyandian memasuki segalanya mulai 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. Platformnya sudah mendukung berbagai agen AI untuk tugas seperti dokumentasi, dukungan keputusan klinis, dan koordinasi perawatan, semuanya dibangun di atas infrastruktur yang sama.

Tesis perusahaan adalah bahwa kesehatan akan semakin bergantung pada sistem multi-agents yang terkoordinasi yang menangani baik 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 menunjukkan apa yang dapat dilakukan AI, dan lebih pada memastikan bahwa AI dapat beroperasi dengan aman, konsisten, dan skala dalam lingkungan klinis yang sebenarnya.

Perubahan Sunyi tapi Bermakna

Peluncuran Symphony mencerminkan perubahan yang lebih luas yang terjadi di seluruh AI dalam 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 dilacak, dan integrasi daripada kemampuan generatif mentah.

Penyandian medis mungkin tidak menarik perhatian yang sama seperti diagnostik atau penemuan obat, tetapi ini mendukung banyak infrastruktur kesehatan modern. Meningkatkan ini, bahkan secara inkremental, dapat memiliki efek yang tidak seimbang pada efisiensi operasional dan hasil pasien.

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