การแพทย์
AKASA นำ AI อัตโนมัติมาใช้ในการลงรหัสผู้ป่วยในและการจัดทำเอกสารคลินิก

ประเด็นสำคัญAKASA อ้างว่าแพลตฟอร์มอัตโนมัติของบริษัทสามารถลงรหัสการรักษาผู้ป่วยในได้ภายใน 90 วินาที…
ดูเพิ่มเติม
- AKASA อ้างว่าแพลตฟอร์มอัตโนมัติของบริษัทสามารถลงรหัสการรักษาผู้ป่วยในได้ภายใน 90 วินาที แทนที่จะใช้เวลาหลายวัน
- ระบบจะลงรหัสเฉพาะภายในขอบเขตที่แต่ละระบบสุขภาพอนุมัติเท่านั้น และเชื่อมโยงทุกรหัสเข้ากับข้อความในเวชระเบียนที่สนับสนุน
- ผู้ตรวจสอบแบบปกปิดข้อมูลพบว่า AI ของ AKASA มีความแม่นยำเทียบเท่าหรือสูงกว่าผู้ลงรหัสผู้เชี่ยวชาญในตัวชี้วัดความแม่นยำหลักด้านการรักษาผู้ป่วยใน
AKASA เมื่อวันที่ 2 ตุลาคม 2026 ประกาศ การเปิดตัวแพลตฟอร์ม AI อัตโนมัติสำหรับขั้นตอนกลางของวงจรรายได้ด้านสุขภาพ โดยขยายบริษัทจาก South San Francisco ที่เคยทำการตรวจสอบก่อนเรียกเก็บเงินด้วย AI ไปสู่การลงรหัสการแพทย์ผู้ป่วยในแบบอัตโนมัติและความสมบูรณ์ของการจัดทำเอกสารคลินิก (CDI).
AKASA ซึ่งอธิบายตนเองว่าเป็นผู้นำด้าน AI เชิงกำเนิดสำหรับวงจรรายได้ด้านสุขภาพ กล่าวว่าลูกค้าของบริษัทมีมูลค่ารวมของรายได้สุทธิจากผู้ป่วยกว่า 180 พันล้านดอลลาร์ และครอบคลุมประมาณ 10% ของการจำหน่ายผู้ป่วยในของสหรัฐฯ หรือประมาณ 1 ใน 10 บริษัทระบุว่าปริมาณผู้ป่วยในที่ผ่านการประมวลผลด้วยผลิตภัณฑ์ AI ของบริษัทเติบโตเกือบ 6 เท่าในปีที่ก่อนการเปิดตัว โดยอธิบายว่าการขยายฐานลูกค้าระบบสุขภาพนั้นเป็นผลมาจากผลิตภัณฑ์เหล่านั้น
AKASA กล่าวว่า บริษัททำการปรับแต่งโมเดล AI ให้เหมาะกับระบบสุขภาพแต่ละแห่ง โดยคำนึงถึงความแตกต่างของประชากรผู้ป่วย, เกณฑ์ทางคลินิก, วิธีการจัดทำเอกสาร, และความซับซ้อนของการดูแล ซึ่งบริษัทอ้างว่าการดำเนินการนี้สนับสนุนการจัดทำเอกสารที่ครบถ้วนและการลงรหัสที่แม่นยำซึ่งสะท้อนการดูแลที่ให้ได้ดียิ่งขึ้น CEO และผู้ร่วมก่อตั้ง Malinka Walaliyadde กล่าวว่าการเปิดตัวนี้เป็นเหตุการณ์สำคัญของอุตสาหกรรม “หลายปีที่ผ่านมา ขั้นตอนกลางแบบอัตโนมัติเป็นเป้าหมายสูงสุดของอุตสาหกรรมของเรา” เขากล่าว “วันนี้ AKASA ทำให้มันเป็นจริง”
ทำไมการอัตโนมัติขั้นตอนกลางจึงเป็นเรื่องยาก
ขั้นตอนกลางเป็นช่วงของวงจรรายได้ที่บันทึกทางคลินิกของผู้ป่วยถูกแปลงจากการจัดทำเอกสารเป็นรหัสที่ใช้ในการชำระเงิน, รายงานคุณภาพ, การปรับความเสี่ยง, และความสมบูรณ์ของบันทึกผู้ป่วย การประกาศอธิบายงานนี้ว่าเป็นงานที่ซับซ้อนสูงและต้องใช้ทรัพยากรมาก และยังคงดำเนินการโดยส่วนใหญ่ด้วยมือ
บริษัทกล่าวว่าความซับซ้อนนั้นทำให้การอัตโนมัติที่เชื่อถือได้เป็นเรื่องยาก การประกาศอ้างอิงถึงการศึกษาที่ผ่านการตรวจสอบโดยผู้เชี่ยวชาญในปี 2025 ใน npj Health Systems ซึ่งรายงานอัตราความผิดพลาดของการลงรหัสการแพทย์สูงถึง 20% และการตรวจสอบของสำนักงานตรวจสอบความรับผิดชอบของสหรัฐฯ ในเดือนกรกฎาคม 2026 ที่ระบุว่าความแม่นยำที่ตรวจสอบได้เป็นความท้าทายหลักสำหรับองค์กรด้านสุขภาพที่นำ AI มาใช้ในการบันทึกโน้ตการแพทย์และการลงรหัส
ตามที่บริษัทระบุ ผู้ลงรหัสมักใช้เวลา 30 ถึง 60 นาทีในการลงรหัสการพบผู้ป่วยในครั้งเดียว และการขาดแคลนแรงงานและข้อจำกัดด้านความจุอาจทำให้ระบบสุขภาพต้องรอหลายวันหลังจากผู้ป่วยออกจากโรงพยาบาลก่อนที่ผู้ลงรหัสจะเริ่มทำงานกับบัญชี AKASA ระบุในเอกสารผลิตภัณฑ์ว่าช่วงเวลาปัจจุบันจากการออกจากโรงพยาบาลจนถึงการลงรหัสใช้เวลาสามถึงสี่วัน เทียบกับ 90 วินาทีด้วยระบบของบริษัท
วิธีการทำงานของแพลตฟอร์มการลงรหัสอัตโนมัติ
ตาม เอกสารอธิบายการลงรหัสผู้ป่วยในแบบอัตโนมัติ ของ AKASA ระบบจะอ่านเวชระเบียนผู้ป่วยทั้งหมด (สรุปการออกจากโรงพยาบาล, บันทึกการผ่าตัด, บันทึกความคืบหน้า, การให้คำปรึกษา, ผลการตรวจแลบ, ภาพทางการแพทย์และยาที่ใช้) และทำงานกับแต่ละการพบตั้งแต่ต้นจนจบ โดยกำหนดชุดรหัสเต็มอย่างอิสระในทุกสาขา ทุกรหัสจะเชื่อมโยงกลับไปยังข้อความในเวชระเบียนที่สนับสนุนโดยตรง พร้อมด้วยเหตุผลและระดับความมั่นใจ ซึ่งบริษัทกล่าวว่าจะสร้างเส้นทางการตรวจสอบและทำให้การตรวจสอบใช้เวลาเพียงไม่กี่วินาที
ระบบสุขภาพกำหนดขอบเขตการดำเนินงาน ลูกค้ากำหนดเกณฑ์, กฎของสายบริการ, สัดส่วนประเภทผู้จ่ายเงิน, และการสุ่มตรวจสอบ, และระบบจะลงรหัสเฉพาะสิ่งที่องค์กรได้อนุมัติให้ลงรหัสเท่านั้น โดยมี ICD-10-CM/PCS รวมอยู่ในระบบ แพลตฟอร์มทำงานร่วมกับระบบบันทึกสุขภาพอิเล็กทรอนิกส์และระบบการเรียกเก็บเงินที่มีอยู่แล้ว ดังนั้นการย้ายไปสู่การทำงานอัตโนมัติไม่จำเป็นต้องเปลี่ยนระบบเหล่านั้น การลงรหัสเกิดขึ้นเมื่อผู้ป่วยออกจากโรงพยาบาลและเวชระเบียนปิด; AKASA กล่าวว่าการทำเช่นนี้ลดปริมาณการออกจากโรงพยาบาลที่ยังไม่ได้ลงรหัส (DNFC) ลดจำนวนวันรับเงินค้างชำระ และเร่งการเก็บเงินสดโดยไม่ต้องเพิ่มจำนวนพนักงาน
AKASA กล่าวว่า บริษัทได้ทดสอบระบบผ่านการประเมินแบบปกปิดแหล่งที่มาของรหัสโดยบุคคลที่สาม ซึ่ง AI ของบริษัทและผู้ลงรหัสมนุษย์ผู้เชี่ยวชาญลงรหัสการพบผู้ป่วยในเดียวกัน ซึ่งครอบคลุม 65% ถึง 85% ของปริมาณผู้ป่วยในในระบบสุขภาพส่วนใหญ่ ผู้ตรวจสอบอิสระที่ไม่ได้รับข้อมูลว่าชุดรหัสมาจาก AI หรือมนุษย์ พบว่า AI มีความแม่นยำเทียบหรือเหนือกว่าผู้ลงรหัสผู้เชี่ยวชาญในมาตรการความแม่นยำสำคัญที่บริษัทระบุ ได้แก่ การกำหนด MS-DRG, การวินิจฉัยหลัก, การจับคุณภาพทางคลินิก, และความแม่นยำในการระบุภาวะที่มีอยู่แล้วขณะรับไว้รักษา AKASA กล่าวว่า AI ทำการลงรหัสเสร็จภายในน้อยกว่า 90 วินาทีหลังจากการออกจากโรงพยาบาล และบริษัททำการตลาดผลิตภัณฑ์นี้ว่าเป็นโซลูชันอัตโนมัติแรกที่สร้างขึ้นโดยเฉพาะสำหรับการลงรหัสผู้ป่วยใน
CDI, การปรับใช้, และการตอบสนองเบื้องต้น
นอกเหนือจากการลงรหัส AKASA กำลังขยายแพลตฟอร์มขึ้นสู่ขั้นตอนต้นของ CDI โดยอธิบายเป็นชั้น AI ที่รวมกันทั่วทั้งการจัดทำเอกสารคลินิก, การลงรหัส, และการตรวจสอบก่อนเรียกเก็บเงิน เพื่อให้การจัดทำเอกสารสมบูรณ์ บริษัทระบุว่าในขณะที่เปิดตัวขั้นตอนกลางอัตโนมัติ จะทำงานร่วมกับระบบสุขภาพในการวางแผนการปรับใช้ที่กำหนดเองเพื่อขยายปริมาณอัตโนมัติตามความต้องการ และเร็ว ๆ นี้จะเพิ่มการรับบริการของผู้ป่วยนอกในสถานพยาบาลเข้าสู่แพลตฟอร์ม
ตามการประกาศ Cleveland Clinic ได้ใช้ผลิตภัณฑ์การตรวจสอบก่อนเรียกเก็บเงินของ AKASA ทั้งในด้านการลงรหัสและ CDI และมีแผนที่จะสำรวจข้อเสนอขั้นตอนกลางอัตโนมัติ “งานวงจรรายได้ของเราต้องใช้เวลามากเป็นพิเศษเนื่องจากเราดูแลผู้ป่วยที่มีความซับซ้อนทางการแพทย์จำนวนมาก” Rohit Chandra, chief digital officer ของ Cleveland Clinic กล่าว “ด้วยการลงรหัสอัตโนมัติ เราต้องการปรับปรุงความเร็วและความแม่นยำในกระบวนการที่ท้าทายเหล่านี้ภายใต้แนวทางการปฏิบัติตามกฎระเบียบเป็นอันดับแรก”
Jeff Francis, ประธานเจ้าหน้าที่การเงินและรองประธานฝ่ายการเงินของ Nebraska Methodist Health System ซึ่งได้ทำงานร่วมกับ AKASA มาหลายปี, กล่าวว่าการทำงานอัตโนมัติเป็นขั้นตอนต่อไปที่เป็นธรรมชาติสำหรับระบบสุขภาพ โดยชี้ไปที่ความสมบูรณ์ของรายได้, การปฏิเสธ, การตัดจำหน่าย, และความเร็วที่องค์กรของเขาได้รับการชำระเงิน. Julie Yoo, หุ้นส่วนทั่วไปของ Andreessen Horowitz, กล่าวว่า ระบบสุขภาพไม่สามารถตอบสนองต่อระดับความต้องการที่เพิ่มขึ้นในอนาคตด้วยแรงงานมนุษย์เพียงอย่างเดียว, และอธิบายเทคโนโลยีของ AKASA ว่าเป็น AI แนวหน้า ที่สร้างขึ้นเพื่อรองรับความต้องการเฉพาะของการจัดทำเอกสารคลินิกที่ซับซ้อนและการลงรหัสผู้ป่วยใน.
AKASA กล่าวว่า โมเดลที่กำหนดเองของบริษัทได้รับการฝึกฝนบนเอกสารคลินิก, องค์ประกอบประเภทผู้ป่วย, และการตัดสินใจด้านการลงรหัสของแต่ละระบบสุขภาพ, และโซลูชันของบริษัทครอบคลุมตั้งแต่ AI ที่สนับสนุนทีม CDI และทีมการลงรหัสจนถึงกระบวนการทำงานอัตโนมัติโดยสมบูรณ์ที่ทำการลงรหัสการพบผู้ป่วยตั้งแต่ต้นจนจบ.












