Corti представляє систему штучного інтелекту для пере визначення точності медичної кодифікації

Копенгагенська компанія Corti представила нову систему штучного інтелекту, призначену для вирішення однієї з найбільш постійних операційних проблем охорони здоров’я: медичної кодифікації. Останній реліз компанії, Symphony для медичної кодифікації, позиціонується не просто як інструмент автоматизації, а як фундаментально інший підхід до того, як клінічні дані інтерпретуються, структуруються та використовуються в системах охорони здоров’я.

Запуск будується на більш широкому просуванні Corti в напрямку “клінічного штучного інтелекту”, де точність, простежуваність і реальне розгортання мають таку ж важливість, як і сурова продуктивність моделі.

Чому медична кодифікація все ще ламає системи охорони здоров’я

Медична кодифікація знаходиться на перетині клінічної допомоги, оплати та громадського здоров’я. Кожен діагноз, лікування та результат повинні бути перекладені на стандартизовані коди, такі як ICD-10, який містить десятки тисяч можливих класифікацій.

Проблема полягає не тільки у масштабі, а й у інтерпретації.

Кодифікація вимагає від клініцистів або спеціалістів витягувати значення з фрагментованих клінічних нотаток, узгоджувати несумісності та застосовувати еволюційні керівництва. На практиці це часто призводить до пропущених сигналів та неповної інформації.

Одним із зазначених прикладів є великомасштабний аналіз реєстрів пацієнтів, який показав, що значно більше спроб самогубства були задокументовані в клінічних нотатках, ніж були фактично закодовані. Коли ці випадки залишаються незареєстрованими в структурованих наборах даних, системи охорони здоров’я втрачають видимість критичних тенденцій, підірваючи все, від розподілу фінансування до стратегій профілактики.

Від прогнозування до висновку: Зміна підходу

Ключовий аргумент Corti полягає в тому, що медична кодифікація не є проблемою класифікації, а проблемою висновку.

Ця відмінність формує архітектуру за Symphony. Замість присвоєння кодів на основі визнання моделей, система відображає, як працюють людські кодери. Вона ідентифікує докази в клінічних даних, оцінює контекст, переміщається в ієрархічних системах кодифікації та валідує виходи проти поточних керівництв.

Цей підхід будується на попередніх дослідженнях компанії щодо багатокомпонентних систем штучного інтелекту. Її каркас “Кодувати як люди” використовує кілька координованих агентів штучного інтелекту для розбиття складних завдань на менші кроки висновку, покращуючи як точність, так і послідовність.

Результатом, згідно з Corti, є вимірювана продуктивна щілина. Symphony, як повідомляється, перевершує конкуруючі моделі від великих постачальників штучного інтелекту в клінічних тестах точності кодифікації, з покращеннями до 23 відсотків.

Інфраструктура за моделлю

Symphony не є самостійною моделлю. Вона розташована на вершині більшої агентської інфраструктури Corti, відомої як Corti Agentic Framework.

На відміну від традиційних великих мовних моделей, які генерують виходи в ізоляції, ця інфраструктура дозволяє системам штучного інтелекту висновувати, витягувати інформацію та виконувати структуровані дії в клінічних робочих процесах. Вона призначена для підключення до зовнішніх джерел даних, таких як електронні медичні записи, а не покладатися виключно на попередньо натреновані знання.

Платформа також вводить обмежувачі, які є важливими в середовищі охорони здоров’я. Кожна дія, виконана агентом штучного інтелекту, реєструється, простежується та аудитується, створюючи чіткий ланцюжок висновку за кожною рішення.

Ця акцент на аудитності не є випадковим. У регульованих середовищах, таких як охорона здоров’я, можливість пояснити та виправдати рішення часто так же важлива, як і рішення самі по собі.

Зробити виходи штучного інтелекту верифікованими, а не просто точними

Одна із повторюваних критик штучного інтелекту в охороні здоров’я – це проблема “чорної скриньки“. Навіть коли моделі генерують правильні виходи, відсутність прозорості робить їх важкими для довіри в клінічному або орієнтованому на дотримання вимог середовищі.

Corti намагається вирішити цю проблему.

Symphony пов’язує кожен згенерований код з клінічними доказами, використаними для його виправдання. Вона також виділяє двозначності чи особливі випадки, дозволяючи людям-рецензентам швидко зрозуміти, де були зроблені судові рішення.

Це перетворює штучний інтелект з інструменту, який замінює людський нагляд, на інструмент, який доповнює його, особливо для команд з дотримання вимог та аудиторів, відповідальних за валідування рішень щодо кодифікації.

Система, побудована для глобальної складності охорони здоров’я

Інша проблема в медичній кодифікації полягає у фрагментації. Різні регіони використовують різні стандарти, а багато систем штучного інтелекту вимагають широкого повторного навчання для роботи на ринках.

Symphony розроблена для роботи як в американських, так і в європейських системах кодифікації без локального донастройки. Це включає в себе кадри кодифікації діагнозів, а також процедурні системи, використовувані в оплаті та компенсації.

Це має значення для постачальників програмного забезпечення для охорони здоров’я та мультинаціональних постачальників, де підтримка декількох локалізованих моделей штучного інтелекту може швидко стати瓶нем.

Більша картина: Автоматизація шару даних охорони здоров’я

Хоча медична кодифікація може видатися вузьким випадком, вона грає фундаментальну роль у тому, як системи охорони здоров’я працюють.

Структуровані дані, згенеровані за допомогою кодифікації, входять у все, від страхової компенсації до клінічних досліджень та національної охорони здоров’я. Помилки на цьому рівні поширюються по всій системі.

Більш широкої стратегії Corti відображає цю реальність. Її платформа вже підтримує ряд агентів штучного інтелекту для завдань, таких як документація, клінічна підтримка рішень та координація допомоги, всі побудовані на тій же основі.

Теза компанії полягає в тому, що охорона здоров’я все більше буде покладатися на координовані багатокомпонентні системи, які обробляють як адміністративні, так і клінічні робочі процеси одночасно.

Перехід від пілотних проектів до виробництва

Одна із визначальних проблем штучного інтелекту в охороні здоров’я полягає у розриві між перспективними прототипами та реальним розгортанням.

Corti позиціонує Symphony як систему, готову до виробництва, а не як експериментальну модель. Це включає в себе варіанти розгортання підприємства, підтримку стандартів інтероперабельності та інтеграцію в існуючі стеки програмного забезпечення для охорони здоров’я.

Фокус полягає менше на демонстрації того, що може зробити штучний інтелект, а більше на тому, щоб забезпечити його безпечну, послідовну та масштабну роботу в реальних клінічних середовищах.

Тиха, але значуща зміна

Випуск Symphony відображає більш широку зміну, яка відбувається в штучному інтелекті в охороні здоров’я.

Замість побудови все більш великих універсальних моделей компанії все частіше зосереджуються на спеціалізованих системах, розроблених для високих ставок домен. Ці системи ставлять висновок, простежуваність та інтеграцію вище за суру генерацію.

Медична кодифікація може не привертати такої ж уваги, як діагностика чи відкриття ліків, але вона підтримує більшу частину сучасної інфраструктури охорони здоров’я. Покращення її, навіть інкрементально, може мати великий вплив на оперативну ефективність та результати пацієнтів.

Якщо заяви Corti щодо точності та аудитності виявляться вірними в реальних розгортаннях, Symphony могла б представляти значущий крок до систем штучного інтелекту, яким організації охорони здоров’я можуть довіряти.