AKASA porta l’IA autonoma alla codifica dei ricoveri e alla documentazione clinica

AKASA, il 2 ottobre 2026, annunciato il lancio di una piattaforma IA autonoma per la fase intermedia del ciclo di fatturazione sanitaria, ampliando l’azienda di South San Francisco dal pre‑fatturazione basata sull’IA alla codifica medica autonoma dei ricoveri e all’integrità della documentazione clinica (CDI).

AKASA, che si definisce leader nell’IA generativa per il ciclo di fatturazione sanitaria, ha dichiarato che i suoi clienti rappresentano oltre 180 miliardi di dollari di ricavi netti dei pazienti in aggregato e circa il 10 % delle dimissioni ospedaliere negli Stati Uniti, approssimativamente 1 su 10. L’azienda ha affermato che il volume di ricoveri elaborato attraverso i suoi prodotti IA è cresciuto di quasi 6 volte nell’anno precedente al lancio, attribuendo l’espansione della sua base clienti di sistemi sanitari a tali prodotti.

AKASA ha dichiarato di perfezionare i modelli IA per singoli sistemi sanitari, tenendo conto delle differenze nelle popolazioni di pazienti, nei criteri clinici, nelle pratiche di documentazione e nella complessità delle cure, un approccio che, secondo l’azienda, favorisce una documentazione completa e una codifica accurata che riflette meglio le cure erogate. L’amministratore delegato e co‑fondatore Malinka Walaliyadde ha definito il lancio come una pietra miliare del settore. “Per anni, una fase intermedia autonoma è stata il santo graal della nostra industria”, ha detto. “Oggi, AKASA la sta rendendo reale.”

Perché l’automazione della fase intermedia è stata difficile

La fase intermedia è la tappa del ciclo di fatturazione in cui la cartella clinica di un paziente viene tradotta dalla documentazione nei codici che determinano il rimborso, la segnalazione di qualità, l’aggiustamento del rischio e l’integrità della cartella del paziente. L’annuncio descrive questo lavoro come altamente complesso e dispendioso in termini di risorse, e ancora prevalentemente manuale.

Quella complessità, ha affermato l’azienda, ha reso difficile l’automazione affidabile. L’annuncio fa riferimento a uno studio peer‑reviewed del 2025 pubblicato su npj Health Systems che ha riportato tassi di errore nella codifica medica fino al 20 %, e a una revisione di luglio 2026 del Government Accountability Office degli Stati Uniti che ha identificato l’accuratezza verificabile come una sfida centrale per le organizzazioni sanitarie che adottano l’IA per le note mediche e la codifica.

Secondo l’azienda, un codificatore impiega tipicamente 30‑60 minuti per codificare un singolo ricovero, e la carenza di personale e le limitazioni di capacità possono far attendere i sistemi sanitari diversi giorni dopo la dimissione del paziente prima che un codificatore inizi a lavorare sul caso. I materiali di prodotto di AKASA presentano l’intervallo attuale dalla dimissione alla codifica in tre‑quattro giorni, contro 90 secondi con il suo sistema.

Come funziona la piattaforma di codifica autonoma

Secondo la documentazione autonoma di codifica dei ricoveri di AKASA, il sistema legge la cartella completa del paziente (sintesi di dimissione, note operatorie, note di progresso, consulti, laboratori, immagini e farmaci) e gestisce ogni incontro dall’inizio alla fine, assegnando l’intero set di codici in modo indipendente per tutte le specialità. Ogni codice è collegato al linguaggio esatto della cartella che lo supporta, con la motivazione e il livello di confidenza alla base, il che, secondo l’azienda, crea una traccia di audit e consente una validazione in pochi secondi.

I sistemi sanitari definiscono i confini operativi. I clienti stabiliscono soglie, regole delle linee di servizio, mix di pagatori e campionamento di audit, e il sistema codifica solo ciò che l’organizzazione ha autorizzato a codificare, con ICD-10-CM/PCS integrato. La piattaforma opera accanto ai sistemi elettronici di cartelle cliniche e di fatturazione esistenti, quindi passare all’autonomia non richiede la loro sostituzione. La codifica avviene al momento della dimissione, quando la cartella si chiude; AKASA afferma che ciò riduce il volume di dimissioni non codificate finali (DNFC), diminuisce i giorni di crediti da incassare e accelera la riscossione dei pagamenti senza aumentare il personale.

AKASA ha dichiarato di aver testato il sistema mediante valutazioni cieche di terze parti in cui la sua IA e codificatori umani esperti hanno codificato gli stessi ricoveri, rappresentando dal 65 % all’85 % del volume di ricoveri nella maggior parte dei sistemi sanitari. Revisori indipendenti, non informati se il set di codici provenisse dall’IA o da un umano, hanno riscontrato che l’IA ha eguagliato o superato i codificatori esperti su misure chiave di accuratezza, secondo quanto riportato dall’azienda: assegnazione MS‑DRG, diagnosi principale, acquisizione della qualità clinica e accuratezza della presenza al momento dell’ammissione. AKASA ha affermato che l’IA completa la codifica in meno di 90 secondi dopo la dimissione, e commercializza il prodotto come la prima soluzione autonoma costruita specificamente per la codifica dei ricoveri.

CDI, implementazione e prime reazioni

Oltre alla codifica, AKASA sta estendendo la piattaforma a monte verso il CDI, descrivendo uno strato IA unificato che attraversa la documentazione clinica, la codifica e la pre‑fatturazione, con l’obiettivo di mantenere la documentazione completa. L’azienda ha dichiarato che, mentre implementa la fase intermedia autonoma, collaborerà con i sistemi sanitari su piani di distribuzione personalizzati per scalare il volume autonomo in base alle necessità, e che introdurrà presto al sistema gli incontri di strutture ambulatoriali.

Cleveland Clinic ha utilizzato i prodotti di pre‑fatturazione di AKASA per la codifica e il CDI e intende esplorare le offerte della fase intermedia autonoma, secondo l’annuncio. “Il nostro lavoro sul ciclo di fatturazione è particolarmente dispendioso in termini di tempo perché ci occupiamo di molti pazienti clinicamente complessi”, ha dichiarato Rohit Chandra, chief digital officer della Cleveland Clinic. “Con la codifica autonoma, miriamo a migliorare velocità e precisione in questi processi difficili adottando un approccio incentrato sulla conformità.”

Jeff Francis, chief financial officer e vice presidente della finanza presso Nebraska Methodist Health System, che collabora con AKASA da diversi anni, ha descritto l’autonomia come il naturale passo successivo per i sistemi sanitari, evidenziando l’integrità delle entrate, i rifiuti, le cancellazioni e la rapidità con cui la sua organizzazione viene pagata. Julie Yoo, general partner di Andreessen Horowitz, ha affermato che il settore sanitario non potrà soddisfare la scala della domanda futura solo con la manodopera umana, e ha caratterizzato la tecnologia di AKASA come un’AI di frontiera costruita per le specifiche esigenze della documentazione clinica complessa e della codifica dei pazienti ospedalizzati.

AKASA ha dichiarato che i suoi modelli personalizzati sono addestrati sulla documentazione clinica, sul mix di casi e sulle decisioni di codifica di ciascun sistema sanitario, e che le sue soluzioni spaziano da AI che supporta i team CDI e di codifica a flussi di lavoro completamente autonomi che codificano gli incontri dall’inizio alla fine.