Здравоохранение
AKASA представляет автономный ИИ для внутрибольничного кодирования и клинической документации

Ключевые моментыAKASA утверждает, что её автономная платформа кодирует случаи стационарного лечения за…
Показать больше
- AKASA утверждает, что её автономная платформа кодирует случаи стационарного лечения за 90 секунд вместо нескольких дней.
- Система кодирует только в пределах границ, одобренных каждой системой здравоохранения, и связывает каждый код с подтверждающим языком медицинской карты.
- Слепые рецензенты обнаружили, что ИИ AKASA соответствовал или превосходил экспертов-кодировщиков по ключевым показателям точности стационарного кодирования.
AKASA 2 октября 2026 года сообщила о запуске автономной ИИ‑платформы для среднего этапа цикла доходов здравоохранения, расширив деятельность компании из Южного Сан-Франциско от ИИ‑поддерживаемого предварительного обзора счетов к автономному внутрибольничному медицинскому кодированию и целостности клинической документации (CDI).
AKASA, описывающая себя как лидера в генеративном ИИ для цикла доходов здравоохранения, заявила, что её клиенты представляют более 180 млрд долларов совокупного чистого дохода от пациентов и примерно 10 % всех внутрибольничных выписок в США, то есть около 1 из 10. Компания отметила, что объём внутрибольничных случаев, обработанных её ИИ‑продуктами, вырос почти в 6 раз за год, предшествующий запуску, и связала расширение клиентской базы систем здравоохранения с этими продуктами.
AKASA заявила, что дорабатывает модели ИИ для отдельных систем здравоохранения, учитывая различия в популяциях пациентов, клинических критериях, практиках документирования и сложности ухода; такой подход, по словам компании, поддерживает полную документацию и точное кодирование, более точно отражающее оказанную помощь. Генеральный директор и соучредитель Малинка Валариядде охарактеризовал запуск как веху отрасли. “На протяжении многих лет автономный средний этап был святым Граалем нашей индустрии”, — сказал он. “Сегодня AKASA делает его реальностью”.
Почему автоматизация среднего этапа была сложной
Средний этап — это стадия цикла доходов, на которой клиническая карта пациента преобразуется из документации в коды, определяющие возмещение, отчётность по качеству, корректировку рисков и целостность записи пациента. В объявлении эта работа описывается как чрезвычайно сложная и ресурсоёмкая, и всё ещё преимущественно ручная.
Компания заявила, что эта сложность затруднила надёжную автоматизацию. В объявлении указывается на рецензируемое исследование 2025 года в журнале npj Health Systems, в котором сообщалось об ошибках медицинского кодирования до 20 %, а также на обзор Счётной палаты США (Government Accountability Office) от июля 2026 года, который определил проверяемую точность как ключевую проблему для организаций здравоохранения, внедряющих ИИ в медицинские заметки и кодирование.
По данным компании, кодировщику обычно требуется от 30 до 60 минут, чтобы закодировать один внутрибольничный случай, а нехватка персонала и ограничения мощности могут заставить системы здравоохранения ждать несколько дней после выписки пациента, прежде чем кодировщик начнёт работу с записью. В материалах продукта AKASA указывается, что текущий интервал от выписки до кодирования составляет три‑четыре дня, тогда как её система справляется за 90 секунд.
Как работает автономная платформа кодирования
Согласно документации по автономному кодированию стационарных случаев AKASA, система читает полную карту пациента (выписные резюме, операционные протоколы, прогресс‑заметки, консультации, лабораторные данные, визуализацию и препараты) и обрабатывает каждый случай от начала до конца, независимо назначая полный набор кодов во всех специализациях. Каждый код связывается с точным формулированием в карте, поддерживающим его, включая обоснование и степень уверенности, что, по словам компании, создаёт след аудита и позволяет выполнить проверку за секунды.
Системы здравоохранения задают операционные границы. Клиенты определяют пороги, правила сервисных линий, микс плательщиков и выборку аудита, и система кодирует только то, что организация одобрила к кодированию, со встроенными ICD-10-CM/PCS. Платформа работает совместно с существующими системами электронных медицинских записей и биллинга, поэтому переход к автономии не требует их замены. Кодирование происходит при выписке, когда карта закрывается; AKASA утверждает, что это снижает объём выписанных, но не окончательно закодированных (DNFC) записей, уменьшает срок дебиторской задолженности и ускоряет сбор средств без увеличения численности персонала.
AKASA заявила, что протестировала систему с помощью слепых оценок сторонних организаций, в которых её ИИ и опытные человеческие кодировщики кодировали одни и те же внутрибольничные случаи, охватывающие от 65 % до 85 % объёма госпитализаций в большинстве систем здравоохранения. Независимые оценщики, не зная, принадлежит ли набор кодов ИИ или человеку, обнаружили, что ИИ сопоставим с экспертами или превосходит их по ключевым показателям точности, о чём сообщила компания: назначение MS‑DRG, основной диагноз, захват клинического качества и точность «present‑on‑admission». AKASA сообщила, что ИИ завершает кодирование менее чем за 90 секунд после выписки, и позиционирует продукт как первое автономное решение, специально разработанное для внутрибольничного кодирования.
CDI, развертывание и первая реакция
Помимо кодирования, AKASA расширяет платформу вверх по потоку в CDI, описывая единый слой ИИ, охватывающий клиническую документацию, кодирование и предварительный обзор счетов, с целью поддерживать полную документацию. Компания заявила, что при развертывании автономного среднего этапа она будет работать с системами здравоохранения над индивидуальными планами внедрения для масштабирования автономного объёма в зависимости от потребностей, а также в ближайшее время добавит в платформу случаи обслуживания в амбулаторных учреждениях.
Согласно объявлению, Cleveland Clinic использовала продукты AKASA для предварительного обзора счетов в области кодирования и CDI и планирует изучить предложения автономного среднего этапа. “Наша работа с циклом доходов особенно трудоёмка, потому что мы обслуживаем множество медицински сложных пациентов”, — сказал Рохит Чандра, главный цифровой директор Cleveland Clinic. “С автономным кодированием мы стремимся повысить скорость и точность этих сложных процессов, придерживаясь подхода, в котором соблюдение нормативов стоит на первом месте”.
Jeff Francis, финансовый директор и вице‑президент по финансам в Nebraska Methodist Health System, который сотрудничает с AKASA уже несколько лет, описал автономию как естественный следующий шаг для систем здравоохранения, указав на целостность доходов, отказы, списания и то, насколько быстро его организация получает оплату. Джули Ю, генеральный партнер Andreessen Horowitz, заявила, что здравоохранение не сможет удовлетворить масштаб будущего спроса только человеческим трудом, и охарактеризовала технологию AKASA как передовой ИИ, созданный для специфических требований сложной клинической документации и кодирования пациентов в стационаре.
AKASA заявила, что её настраиваемые модели обучаются на собственной клинической документации, составе случаев и решениях по кодированию каждой системы здравоохранения, а её решения варьируются от ИИ, поддерживающего команды CDI и кодирования, до полностью автономных рабочих процессов, которые кодируют случаи от начала до конца.












