コルティが医療コーディングの精度を再定義するためのAIシステムを発表

コペンハーゲンを拠点とするコルティは、医療の最も根深い運用上の課題の1つである医療コーディングに取り組むために設計された新しいAIシステムを導入しました。同社の最新リリースであるSymphony for Medical Codingは、単なる自動化ツールではなく、臨床データの解釈、構造化、ヘルスシステム全体での利用方法に対する根本的に異なるアプローチであると位置付けられています。

このリリースは、コルティの「臨床グレードAI」へのより広範な取り組みに基づいています。ここでは、精度、追跡可能性、実世界での展開が生のモデルパフォーマンスと同等に重要です。

医療コーディングがヘルスケアシステムを壊す理由

医療コーディングは、臨床ケア、請求、公衆衛生の交差点に位置しています。毎回の診断、治療、結果は、ICD-10などの標準化されたコードに翻訳されなければなりません。

問題は、単に規模だけではなく、解釈にもあります。

コーディングには、断片化された臨床ノートから意味を抽出し、矛盾を調整し、進化するガイドラインを適用することが、臨床医または専門家に求められます。実践では、よく見落とされる信号や不完全なデータにつながることがあります。

1つの例は、重大な結果をもたらします。患者記録の大規模分析では、実際にコード化されたよりも、臨床ノートに記載された自殺未遂の件数がはるかに多かったことがわかりました。これらのケースが構造化されたデータセットに記録されない場合、ヘルスシステムは重要な傾向に対する可視性を失い、資金配分から予防戦略まで、システム全体に影響を及ぼします。

予測から推論へのシフト

コルティの主張は、医療コーディングが分類問題ではなく、推論問題であるということです。

この区別は、Symphonyの背後にあるアーキテクチャを形作っています。パターン認識のみに基づいてコードを割り当てるのではなく、このシステムは人間のコーダーがどのように作業するかを模倣しています。臨床データ内の証拠を特定し、コンテキストを評価し、階層的なコーディングシステムをナビゲートし、出力を現在のガイドラインに対して検証します。

このアプローチは、同社の以前のマルチエージェントAIシステムに関する研究に基づいています。同社の「Code Like Humans」フレームワークでは、複雑なタスクを小さな推論ステップに分解するために、複数の調整されたAIエージェントを使用し、精度と一貫性の両方を向上させます。

結果として、コルティによると、計測可能なパフォーマンスギャップが生じます。Symphonyは、医療コーディングの精度ベンチマークで、主要なAIプロバイダーのモデルを上回り、最大23パーセントの改善を実現したと報告されています。

モデルの背後にあるインフラストラクチャ

Symphonyはスタンドアロンモデルではありません。同社のより広範なエージェントベースのインフラストラクチャであるCorti Agentic Frameworkの上に構築されています。

従来の大規模言語モデルが孤立して出力を生成するのとは異なり、このフレームワークでは、AIシステムが臨床ワークフロー全体で推論し、情報を取得し、構造化されたアクションを実行できるように設計されています。事前に学習した知識のみに頼るのではなく、電子ヘルスレコードなどの外部データソースに接続できるよう設計されています。

このプラットフォームでは、ヘルスケア環境では不可欠なガードレールも導入されています。AIエージェントによって実行されるすべてのアクションは、ログに記録され、追跡可能で、監査可能であり、各決定の背後にある明確な推論の連鎖が作成されます。

この監査可能性への重点は、偶発的なものではありません。規制された環境であるヘルスケアでは、決定を説明し、正当化する能力は、決定そのものと同等に重要であることがよくあります。

AIの出力を検証可能にする

ヘルスケアにおけるAIの反復的な批判の1つは、「ブラックボックス」問題です。モデルが正確な出力を生成する場合でも、透明性の欠如により、臨床またはコンプライアンス駆動型の環境では信頼するのが難しいことがあります。

コルティは、この問題に対処しようとしています。

Symphonyは、生成されたコードを、それを正当化するために使用された臨床的証拠にリンクします。また、曖昧さやエッジケースを強調表示し、人間のレビューアーが、判断が下された場所をすばやく理解できるようにします。

これにより、AIは、人間の監視を置き換えるツールではなく、それを強化するツールとなり、特にコーディングの決定を検証するためのコンプライアンスチームや監査員にとって重要になります。

グローバルヘルスケア複雑性に対応したシステム

医療コーディングにおけるもう1つの課題は、断片化です。さまざまな地域ではさまざまな規格が使用されており、多くのAIシステムでは、市場ごとに大幅な再トレーニングが必要になります。

Symphonyは、米国とヨーロッパのコーディングシステムの両方で、ローカルなファインチューニングなしで動作するように設計されています。これには、請求と報酬のための手順ベースのシステムを含む、診断コーディングフレームワークが含まれます。

これは、ヘルスケアソフトウェアベンダーや多国籍プロバイダーにとって重要です。複数のローカライズされたAIモデルを維持することは、すぐにボトルネックになる可能性があります。

より大きな絵：ヘルスケアのデータレイヤーの自動化

医療コーディングは、狭いユースケースのように思えるかもしれませんが、ヘルスケアシステムがどのように機能するかという点で基盤的な役割を果たしています。

コーディングを介して生成される構造化データは、保険の報酬から臨床研究、国家保健政策まで、すべてにフィードされます。このレイヤーでのエラーは、システム全体に波及効果をもたらします。

コルティのより広範な戦略は、この現実を反映しています。同社のプラットフォームは、文書化、臨床的意思決定支援、ケアの調整などのタスク用に、同じ基盤インフラストラクチャ上に構築されたさまざまなAIエージェントをすでにサポートしています。

同社のテーゼは、ヘルスケアが、管理された行政ワークフローと臨床ワークフローを同時に処理する、調整されたマルチエージェントシステムにますます依存することです。

パイロットから本格的な導入へ

ヘルスケアAIにおける1つの定義的な課題は、有望なプロトタイプと実世界での展開の間にあるギャップです。

コルティは、Symphonyを実験的なモデルではなく、実稼働可能なシステムとして位置付けしています。これには、エンタープライズの展開オプション、相互運用性の標準のサポート、および既存のヘルスケアソフトウェアスタックへの統合が含まれます。

焦点は、AIが何ができるかを示すことではなく、安全に、一貫して、実際の臨床環境でスケーラブルに動作できるようにすることです。

静かなが意味のあるシフト

Symphonyのリリースは、ヘルスケアにおけるAI全体で起こっているより広範なシフトを反映しています。

代わりに、一般目的のモデルをさらに大規模化するのではなく、企業は、高リスクドメイン用に特化したシステムに重点を置くことが増えています。これらのシステムでは、生の生成能力よりも、推論、追跡可能性、統合が優先されます。

医療コーディングは、診断や薬剤発見ほど注目を集めることはありませんが、現代のヘルスケアインフラストラクチャの基盤を形成しています。コーディングを改善することは、運用の効率と患者の結果の両方に大きな影響を与える可能性があります。

コルティの精度と監査可能性に関する主張が、実世界での展開で実証されれば、Symphonyは、ヘルスケア組織が実際に信頼できるAIシステムへの重要なステップを表す可能性があります。