AKASA wprowadza autonomiczną sztuczną inteligencję do kodowania przyjęć szpitalnych i dokumentacji klinicznej

AKASA 2 października 2026 roku ogłosiła uruchomienie autonomicznej platformy AI dla środkowej części cyklu przychodów w opiece zdrowotnej, rozszerzając działalność firmy z South San Francisco, dotychczas zajmującej się opartym na AI przeglądem przedfakturowania, na autonomiczne kodowanie medyczne przyjęć szpitalnych oraz integralność dokumentacji klinicznej (CDI).

AKASA, opisująca się jako lider w generatywnej sztucznej inteligencji dla cyklu przychodów w opiece zdrowotnej, podała, że jej klienci generują łącznie ponad 180 mld USD przychodów netto od pacjentów oraz stanowią około 10 % wypisów szpitalnych w USA, czyli mniej więcej 1 na 10. Firma poinformowała, że wolumen przyjęć szpitalnych przetwarzany przez jej produkty AI wzrósł prawie sześciokrotnie w roku poprzedzającym uruchomienie, przypisując rozrost bazy klientów systemów opieki zdrowotnej tym produktom.

AKASA poinformowała, że dostraja modele AI do poszczególnych systemów opieki zdrowotnej, uwzględniając różnice w populacjach pacjentów, kryteriach klinicznych, praktykach dokumentacyjnych i złożoności opieki – podejście, które według firmy wspiera pełną dokumentację i dokładne kodowanie lepiej odzwierciedlające świadczoną opiekę. CEO i współzałożyciel Malinka Walaliyadde określił uruchomienie jako kamień milowy w branży. “Od lat autonomiczna środkowa część cyklu była świętym Graalem w naszej branży” – powiedział. “Dziś AKASA czyni to rzeczywistością.”

Dlaczego automatyzacja środkowej części cyklu była trudna

Środkowa część cyklu to etap cyklu przychodów, w którym kliniczny zapis pacjenta jest przekształcany z dokumentacji w kody determinujące rozliczenia, raportowanie jakości, korektę ryzyka oraz integralność rekordu pacjenta. W komunikacie opisano tę pracę jako wysoce złożoną i wymagającą dużych zasobów, a jednocześnie wciąż przeważnie ręczną.

Ta złożoność, jak twierdzi firma, utrudnia niezawodną automatyzację. W komunikacie przywołano badanie recenzowane w 2025 roku opublikowane w npj Health Systems, które wykazało wskaźniki błędów w kodowaniu medycznym sięgające 20 %, oraz przegląd amerykańskiego Biura Kontroli Rządu z lipca 2026 roku, który wskazał weryfikowalną dokładność jako kluczowe wyzwanie dla organizacji opieki zdrowotnej przy wdrażaniu AI w notatkach medycznych i kodowaniu.

Według firmy, kodujący zazwyczaj potrzebuje od 30 do 60 minut, aby zakodować pojedyncze przyjęcie szpitalne, a niedobory personelu i ograniczenia pojemności mogą powodować, że systemy opieki zdrowotnej czekają kilka dni po wypisie pacjenta, zanim kodujący rozpocznie pracę nad kontem. Materiały produktowe AKASA przedstawiają obecny odstęp czasu od wypisu do zakodowania jako trzy‑cztery dni, w porównaniu do 90 sekund przy użyciu ich systemu.

Jak działa autonomiczna platforma kodowania

Zgodnie z autonomiczną dokumentacją kodowania przyjęć szpitalnych AKASA, system odczytuje pełny kartę pacjenta (podsumowania wypisu, notatki operacyjne, notatki postępu, konsultacje, wyniki laboratoryjne, obrazy oraz leki) i obsługuje każde przyjęcie od początku do końca, przydzielając pełny zestaw kodów niezależnie we wszystkich specjalnościach. Każdy kod odwołuje się do dokładnego języka karty go wspierającego, wraz z uzasadnieniem i poziomem pewności, co, jak twierdzi firma, tworzy ścieżkę audytu i pozwala na weryfikację w ciągu kilku sekund.

Systemy opieki zdrowotnej ustalają granice operacyjne. Klienci definiują progi, zasady linii usług, strukturę płatników oraz próbkowanie audytowe, a system koduje wyłącznie to, co organizacja zatwierdziła do kodowania, z wbudowanym ICD-10-CM/PCS. Platforma współpracuje z istniejącymi systemami elektronicznej dokumentacji medycznej i rozliczeniowymi, więc przejście w kierunku autonomii nie wymaga ich wymiany. Kodowanie odbywa się przy wypisie, gdy karta zostaje zamknięta; AKASA twierdzi, że zmniejsza to wolumen wypisów niezakodowanych finalnie (DNFC), skraca dni należności oraz przyspiesza pobieranie gotówki bez zwiększania liczby pracowników.

AKASA poinformowała, że przetestowała system w ramach ocen ślepych przeprowadzonych przez podmioty zewnętrzne, w których jej AI oraz doświadczeni kodujący ludzie kodowali te same przyjęcia szpitalne, obejmujące od 65 % do 85 % wolumenu przyjęć w większości systemów opieki zdrowotnej. Niezależni recenzenci, nie wiedząc, czy dany zestaw kodów pochodzi od AI czy od człowieka, stwierdzili, że AI dorównuje lub przewyższa ekspertów pod względem kluczowych miar dokładności, jak podała firma: przydział MS‑DRG, główna diagnoza, rejestracja jakości klinicznej oraz dokładność przyjęcia przy przyjęciu (present‑on‑admission). AKASA podkreśliła, że AI kończy kodowanie w mniej niż 90 sekund po wypisie i promuje produkt jako pierwsze autonomiczne rozwiązanie stworzone specjalnie dla kodowania przyjęć szpitalnych.

CDI, wdrożenie i wczesna reakcja

Poza kodowaniem AKASA rozszerza platformę w górę procesu na CDI, opisując jednolitą warstwę AI obejmującą dokumentację kliniczną, kodowanie i przegląd przedfakturowania, mającą na celu utrzymanie pełnej dokumentacji. Firma poinformowała, że w miarę wdrażania autonomicznej środkowej części cyklu będzie współpracować z systemami opieki zdrowotnej nad spersonalizowanymi planami wdrożenia, aby skalować autonomiczny wolumen w zależności od potrzeb, oraz że wkrótce wprowadzi do platformy spotkania w placówkach ambulatoryjnych.

Według komunikatu, Cleveland Clinic korzystała z produktów AKASA do przeglądu przedfakturowania w zakresie kodowania i CDI i zamierza zbadać ofertę autonomicznej środkowej części cyklu. “Nasza praca nad cyklem przychodów jest szczególnie czasochłonna, ponieważ opiekujemy się wieloma medycznie złożonymi pacjentami” – powiedział Rohit Chandra, dyrektor ds. cyfrowych w Cleveland Clinic. “Dzięki autonomicznemu kodowaniu dążymy do zwiększenia szybkości i precyzji w tych trudnych procesach, przy podejściu najpierw do zgodności.”

Jeff Francis, dyrektor finansowy i wiceprezes ds. finansów w Nebraska Methodist Health System, które współpracuje z AKASA od kilku lat, opisał autonomię jako naturalny kolejny krok dla systemów opieki zdrowotnej, wskazując na integralność przychodów, odrzuty, odpisy oraz szybkość, z jaką jego organizacja otrzymuje płatności. Julie Yoo, partner generalny w Andreessen Horowitz, powiedziała, że opieka zdrowotna nie będzie w stanie sprostać rosnącemu zapotrzebowaniu wyłącznie przy użyciu siły roboczej, i scharakteryzowała technologię AKASA jako sztuczną inteligencję na pograniczu, stworzoną pod kątem specyficznych wymagań złożonej dokumentacji klinicznej i kodowania szpitalnego.

AKASA oświadczyła, że jej modele niestandardowe są trenowane na własnej dokumentacji klinicznej, zestawie przypadków i decyzjach kodujących każdego systemu opieki zdrowotnej, a jej rozwiązania obejmują od sztucznej inteligencji wspierającej zespoły CDI i kodowania po w pełni autonomiczne przepływy pracy, które kodują zdarzenia od początku do końca.