AKASA Mang AI Tự Động Vào Mã Hoá Bệnh Nhân Nội Trú và Tài Liệu Lâm Sàng

Vào ngày 2 tháng 10 năm 2026, AKASA đã công bố việc ra mắt một nền tảng AI tự động cho giai đoạn giữa của chu trình doanh thu y tế, mở rộng công ty tại South San Francisco từ việc xem xét trước hoá đơn dựa trên AI sang mã hoá y tế nội trú tự động và tính toàn vẹn tài liệu lâm sàng (CDI).

AKASA, tự mô tả mình là người dẫn đầu trong AI sinh tạo cho chu trình doanh thu y tế, cho biết khách hàng của mình đại diện cho hơn 180 tỷ USD doanh thu bệnh nhân ròng tổng hợp và khoảng 10% số bệnh nhân nội trú được xuất viện ở Hoa Kỳ, tương đương 1 trong 10. Công ty cho biết khối lượng bệnh nội trú được xử lý qua các sản phẩm AI của mình đã tăng gần 6 lần trong năm trước khi ra mắt, và ghi nhận sự mở rộng cơ sở khách hàng hệ thống y tế là do những sản phẩm này.

AKASA cho biết họ tinh chỉnh các mô hình AI cho từng hệ thống y tế, tính đến sự khác nhau về dân số bệnh nhân, tiêu chuẩn lâm sàng, thực tiễn tài liệu và độ phức tạp của chăm sóc, một cách tiếp cận mà công ty nói là hỗ trợ tài liệu đầy đủ và mã hoá chính xác hơn, phản ánh đúng chất lượng chăm sóc được cung cấp. Giám đốc điều hành kiêm đồng sáng lập Malinka Walaliyadde mô tả việc ra mắt này như một cột mốc quan trọng của ngành. “Trong nhiều năm, giai đoạn giữa tự động đã là mục tiêu tối thượng trong ngành của chúng tôi,” ông nói. “Hôm nay, AKASA đang biến nó thành hiện thực.”

Tại Sao Tự Động Hóa Giai Đoạn Giữa Lại Khó Khăn

Giai đoạn giữa là bước trong chu trình doanh thu, nơi hồ sơ lâm sàng của bệnh nhân được chuyển đổi từ tài liệu sang các mã thúc đẩy việc thanh toán, báo cáo chất lượng, điều chỉnh rủi ro và tính toàn vẹn của hồ sơ bệnh nhân. Thông báo mô tả công việc này là vô cùng phức tạp và tiêu tốn nhiều nguồn lực, và vẫn chủ yếu được thực hiện thủ công.

Công ty cho biết sự phức tạp đó đã khiến việc tự động hoá đáng tin cậy trở nên khó khăn. Thông báo chỉ ra một nghiên cứu được bình duyệt năm 2025 trên tạp chí npj Health Systems đã báo cáo tỷ lệ lỗi mã hoá y tế lên tới 20%, và một báo cáo tháng 7 năm 2026 của Văn phòng Kiểm toán Chính phủ Hoa Kỳ (GAO) đã xác định độ chính xác có thể kiểm chứng là thách thức cốt lõi cho các tổ chức y tế khi áp dụng AI vào ghi chú y tế và mã hoá.

Theo công ty, một nhân viên mã hoá thường mất từ 30 đến 60 phút để mã hoá một lần tiếp xúc nội trú duy nhất, và tình trạng thiếu hụt nhân lực cùng hạn chế về năng lực có thể khiến các hệ thống y tế phải chờ đợi vài ngày sau khi bệnh nhân xuất viện trước khi nhân viên mã hoá bắt đầu xử lý hồ sơ. Tài liệu sản phẩm của AKASA mô tả khoảng thời gian hiện tại từ khi xuất viện đến khi được mã hoá là ba đến bốn ngày, trong khi hệ thống của họ chỉ mất 90 giây.

Cách Hoạt Động của Nền Tảng Mã Hoá Tự Động

Theo tài liệu mã hoá nội trú tự động của AKASA, hệ thống đọc toàn bộ biểu đồ bệnh nhân (tóm tắt xuất viện, ghi chú phẫu thuật, ghi chú tiến triển, tư vấn, xét nghiệm, hình ảnh và thuốc) và xử lý mỗi lần tiếp xúc từ đầu đến cuối, gán toàn bộ bộ mã một cách độc lập trên tất cả các chuyên khoa. Mỗi mã đều liên kết lại với ngôn ngữ chính xác trong biểu đồ hỗ trợ nó, kèm theo lý do và mức độ tin cậy, mà công ty cho rằng tạo ra một chuỗi kiểm toán và cho phép việc xác thực chỉ mất vài giây.

Các hệ thống y tế thiết lập các ranh giới hoạt động. Khách hàng xác định ngưỡng, quy tắc dòng dịch vụ, hỗn hợp người trả tiền và mẫu kiểm toán, và hệ thống chỉ mã hoá những gì tổ chức đã phê duyệt, với ICD-10-CM/PCS được tích hợp sẵn. Nền tảng hoạt động cùng với các hệ thống hồ sơ sức khỏe điện tử và hệ thống thanh toán hiện có, vì vậy việc chuyển sang tự động không đòi hỏi phải thay thế chúng. Việc mã hoá diễn ra khi bệnh nhân xuất viện, khi biểu đồ được đóng lại; AKASA khẳng định điều này giảm khối lượng mã hoá chưa hoàn thiện sau xuất viện (DNFC), rút ngắn ngày phải thu và tăng tốc thu tiền mà không cần tăng nhân sự.

AKASA cho biết họ đã thử nghiệm hệ thống thông qua các đánh giá mù của bên thứ ba, trong đó AI và các nhân viên mã hoá con người chuyên gia mã hoá cùng các lần tiếp xúc nội trú, chiếm từ 65% đến 85% khối lượng nội trú ở hầu hết các hệ thống y tế. Các nhà đánh giá độc lập, không biết mỗi bộ mã đến từ AI hay con người, đã phát hiện AI đạt hoặc vượt mức độ chính xác của các chuyên gia trong các chỉ số quan trọng, công ty báo cáo: phân bổ MS-DRG, chẩn đoán chính, nắm bắt chất lượng lâm sàng và độ chính xác khi bệnh nhân đã có sẵn khi nhập viện. AKASA cho biết AI hoàn thành mã hoá trong vòng dưới 90 giây sau khi xuất viện, và họ quảng bá sản phẩm này là giải pháp tự động đầu tiên được xây dựng riêng cho mã hoá nội trú.

CDI, Triển Khai và Phản Hồi Ban Đầu

Ngoài việc mã hoá, AKASA đang mở rộng nền tảng lên phía trên vào CDI, mô tả một lớp AI thống nhất trên tài liệu lâm sàng, mã hoá và xem xét trước hoá đơn nhằm duy trì tính đầy đủ của tài liệu. Công ty cho biết khi triển khai giai đoạn giữa tự động, họ sẽ hợp tác với các hệ thống y tế để lên kế hoạch triển khai tùy chỉnh nhằm mở rộng khối lượng tự động dựa trên nhu cầu, và sẽ sớm đưa các lần tiếp xúc cơ sở ngoại trú vào nền tảng.

Theo thông báo, Cleveland Clinic đã sử dụng các sản phẩm xem xét trước hoá đơn của AKASA trong lĩnh vực mã hoá và CDI và dự định khám phá các giải pháp giai đoạn giữa tự động. “Công việc chu trình doanh thu của chúng tôi đặc biệt tốn thời gian vì chúng tôi chăm sóc nhiều bệnh nhân có độ phức tạp y tế cao,” Rohit Chandra, giám đốc kỹ thuật số tại Cleveland Clinic, nói. “Với mã hoá tự động, chúng tôi mong muốn cải thiện tốc độ và độ chính xác trong những quy trình thách thức này theo hướng tuân thủ là ưu tiên hàng đầu.”

Jeff Francis, giám đốc tài chính và phó chủ tịch tài chính tại Nebraska Methodist Health System, đơn vị đã hợp tác với AKASA trong nhiều năm, mô tả tính tự động như bước tiếp theo tự nhiên cho các hệ thống y tế, chỉ ra tính toàn vẹn doanh thu, các trường hợp từ chối, các khoản xóa nợ, và tốc độ thanh toán của tổ chức mình. Julie Yoo, đối tác chung tại Andreessen Horowitz, cho biết ngành chăm sóc sức khỏe không thể đáp ứng quy mô nhu cầu sắp tới chỉ bằng sức lao động con người, và mô tả công nghệ của AKASA là AI tiên phong được xây dựng cho các yêu cầu đặc thù của tài liệu lâm sàng phức tạp và mã hoá bệnh nhân nội trú.

AKASA cho biết các mô hình tùy chỉnh của mình được huấn luyện dựa trên tài liệu lâm sàng, hỗn hợp ca bệnh và quyết định mã hoá riêng của mỗi hệ thống y tế, và các giải pháp của họ dao động từ AI hỗ trợ các đội CDI và mã hoá đến quy trình làm việc hoàn toàn tự động mã hoá các lần gặp từ đầu đến cuối.