Corti、医療コーディングの精度を再定義するAIシステムを公開

コペンハーゲンを拠点とするCortiは、医療の最も根強い運用上の課題の1つである医療コーディングに対処する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、単に別の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。

このローンチは、Corti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性能と同等に重要です。

医療コーディングがまだヘルスケアシステムを壊している理由

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などの標準化コードに翻訳されなければなりません。これには数万の可能な分類が含まれています。

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することが含まれ、矛盾を調整し、進化するガイドラインを適用する必要があります。実践では、これはしばしば信号の欠如とデータの不完全性につながります。

1つの例は、患者の記録の大規模な分析で、臨床ノートに記載されている自殺未遂の数が、実際にコード化された数よりもはるかに多かったことを示しています。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、すべての側面が損なわれます。

予測から推論へのシフト: アプローチの変化

Cortiの主な議論は、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、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ます。臨床データで証拠を特定し、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、出力を最新のガイドラインに対して検証します。

このアプローチは、同社の以前の多エージェント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、Corti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、臨床コーディング精度ベンチマークで主要AIプロバイダーのモデルを上回り、最大23パーセントの改善が見られます。

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。Corti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します。電子ヘルスレコードなどの外部データソースに直接接続するように設計されており、事前にトレーニングされた知識のみに依存するのではなく、接続できます。

このプラットフォームは、ヘルスケア設定で不可欠なガードレールも導入します。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す。

AIの出力を検証可能にする、ただし精度だけではない

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。モデルが正しい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の環境では信頼するのが難しいです。

Cortiはこの問題に直接対処しようとしています。

Symphonyは、生成された各コードをそれを正当化するために使用された臨床証拠にリンクします。また、曖昧さやエッジケースも強調表示し、人間のレビューアーが判断の呼び出しをどこで行ったかを迅速に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になります。特に、コーディングの決定を検証する責任があるコンプライアンスチームや監査員にとってはそうです。

グローバルヘルスケアの複雑さ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標準を使用し、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です。

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ファインチューニングなしに動作するように設計されています。これには、請求と報酬のために使用される診断コーディングフレームワークと手順ベースのシステムの両方が含まれます。

これは、ヘルスケアソフトウェアベンダーと多国籍プロバイダーにとって重要です。ここでは、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、国民保健政策まで、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します。

Corti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、すでに文書化、臨床意思決定支援、ケア調整などのタスク用にAIエージェントをサポートしており、すべてが同じ基盤インフラストラクチャ上に構築されています。

同社のテーゼは、ヘルスケアは、行政と臨床の両方のワークフローを同時に処理する、調整された多エージェントシステムに依存することになるということです。

パイロットから本格的な運用への移行

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ギャップです。

Cortiは、Symphonyを実験的なモデルではなく、実運用可能なシステムとして位置付けしています。これには、エンタープライズ展開オプション、相互運用性標準のサポート、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、実際の臨床環境で大規模に動作することを保証することにあります。

静かだ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全体で発生しているより広範なシフトを反映しています。

一般目的のより大きなモデルを構築するのではなく、企業は、高い利害関係のあるドメイン向けに特殊化されたシステムに重点を置くようになっています。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、診断や薬剤発見と同じ注目を集めるかもしれませんが、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。運用の効率と患者の転帰の両方に大きな影響を与える可能性があります。

Cortiの精度と監査可能性に関する主張が実世界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システムへの有意義なステップを表す可能性があります。