Die wertvollste Ressource eines Arztes ist Zeit. Doch die heutige Realität ist ernüchternd: Im Durchschnitt verbringen Ärzte jeden Tag über drei Stunden mit der Dokumentation. Am besorgniserregendsten? Ein Großteil dieser Wehen findet während der „Pyjama-Zeit“ statt – den späten Stunden, in denen Ärzte von zu Hause aus den Papierkram erledigen, anstatt sich auszuruhen oder bei der Familie zu sein. Neben den Auswirkungen auf die Zufriedenheit der Ärzte sind auch die Kosten dieses Verwaltungsaufwands enorm: Organisationen geben jährlich 82,7 Milliarden US-Dollar für Dokumentation, Kodierung und andere Verwaltungsaufgaben aus, was sowohl Budgets als auch Personal belastet.
Während der diesjährigen Konferenz kamen Leiter von Gesundheitssystemen und Ärztegruppen zusammen und diskutierten Möglichkeiten, diese Belastung einzudämmen. Während verschiedene Lösungen vorgeschlagen wurden, gewinnt ein Ansatz an Bedeutung: die autonome medizinische Kodierung. Doch bevor wir diese KI-Technologie erforschen, müssen wir eine rätselhafte Dynamik verstehen: Warum führen Ärzte überhaupt Kodierungen durch?
Der aktuelle Stand der Codierung
Die ärztliche Kodierung beruht sowohl auf Tradition als auch auf Notwendigkeit. Erstens sind Anbieter in vielen kleinen Praxen und Abteilungen innerhalb größerer Systeme daran gewöhnt, ihre Kodierung selbst zu handhaben – eine Norm, die größtenteils aufgrund institutioneller Trägheit bestehen bleibt. Heutzutage ist dies besonders häufig in der Primärversorgung, der Inneren Medizin und ähnlichen Fachgebieten der Fall. Auch wenn es in der Vergangenheit möglicherweise sinnvoll war, Ärzte mit ihrer eigenen Kodierung zu beauftragen, stellt sich dies im Zusammenhang mit der zunehmenden Ausweitung der Verwaltungspflichten für Ärzte zunehmend als unnötige Belastung heraus.
Zweitens wurden viele Kliniker angesichts der Einschränkungen bei der Kodierungsarbeit – eine aktuelle Studie schätzte beispielsweise den Mangel an zertifizierten medizinischen Kodierern auf 30 % – aufgefordert, diese Lücke selbst zu schließen. Obwohl Ärzte gut ausgebildet sind, sind sie nicht darauf vorbereitet, im Medizinstudium Experten für Codierung zu sein. Infolgedessen führt dieser scheinbar pragmatische Ansatz zu nachgelagerten Problemen, da Codierungsfehler zu abgelehnten Ansprüchen, verzögerten Rückerstattungen und kostspieligen Nacharbeiten führen.
Gleichzeitig ist die Komplexität der medizinischen Kodierung gewachsen. Heute gibt es über 69.000 ICD-10-Diagnosecodes, über 10.000 Verfahrenscodes und Dutzende anderer Kodierungselemente, die für jeden Patientenkontakt genau bestimmt werden müssen. Diese zunehmende Herausforderung belastet herkömmliche manuelle Prozesse, da selbst erfahrene Programmierer Wochen oder Monate benötigen, um sich an Richtlinienänderungen anzupassen. Für Ärzte, die mithalten wollen, wird es noch schwieriger, Benchmarks für die Kodierungsgenauigkeit zu erreichen.
Wie kommt man aus dieser Spirale heraus? Einige Organisationen haben den offensichtlichen Weg ausprobiert: die Erweiterung menschlicher Programmierteams. Dieser Ansatz bringt jedoch seine eigenen Herausforderungen mit sich. Zum einen erfordert die Schulung neuer Programmierer monatelange Schulungen und Tests, in denen Unternehmen sowohl die Schulungskosten als auch die verringerte Produktivität verkraften müssen. Und was ist mit Offshore-Teams? Auch wenn sie wie eine kostengünstige Lösung erscheinen, entdecken Unternehmen in der Regel versteckte Kosten in Form höherer Fehlerraten und eines höheren Gemeinaufwands, der erforderlich ist, um die Qualität im Auge zu behalten. Was als Sparmaßnahme beginnt, wird oft teurer und riskanter als erwartet.
Die KI-Alternative
Hier kommt die Technologie ins Spiel. Im Gegensatz zu seinen regelbasierten Vorgängern, die den Benutzern lediglich Codes zur Validierung vorschlagen, kann die heutige KI die Codierung für die meisten Begegnungen mit hoher Genauigkeit, Konsistenz und Umfang vollständig automatisieren. Und um mit der sich ändernden Regulierungslandschaft Schritt zu halten, kann es sich fast sofort an Richtlinienänderungen anpassen und so schmerzhafte und kostspielige Anlaufzeiten vermeiden.
Viele klinische Führungskräfte äußern verständlicherweise zunächst Skepsis gegenüber der KI-Codierung. Häufige Bedenken betreffen die Genauigkeit bei komplexen Fällen, die Einhaltung von Compliance-Standards und die Auswirkungen auf bestehende Codierungsteams. Dies sind wichtige Überlegungen – schließlich wirkt sich die Kodierungsgenauigkeit sowohl auf die Erstattung als auch auf die Patientenversorgung aus. Die Daten sind jedoch überzeugend: Frühe Anwender haben herausgefunden, dass starke KI tatsächlich Codierungsfehler reduzieren kann, die die Branche derzeit jährlich 10,6 Milliarden US-Dollar kosten. Dadurch sinken die Zahl der abgelehnten Ansprüche, deren Klärung in der Regel mehr als 90 Tage in Anspruch nimmt, drastisch – und damit auch der Zeitaufwand der Mitarbeiter für Einsprüche.
Für skeptische Führungskräfte sind die Beweise überzeugend und beruhigend: KI-Technologie hält Compliance-Standards ein oder übertrifft diese und reduziert gleichzeitig Betriebskosten und Komplexität. Der KI-Ansatz zur Kodierung befreit Ärzte endlich von einem Verwaltungsaufwand, der sie von der Patientenversorgung abhält.
Eine notwendige Änderung
Für Führungskräfte im Gesundheitswesen ist die KI-Codierung eine wirksame Lösung für die wachsende Krise im Zusammenhang mit Burnout und Bindung an Ärzte. Einfach ausgedrückt: Ärzte sollten nicht kodieren, die Komplexität der Kodierung nimmt weiter zu und herkömmliche Lösungen funktionieren nicht. Während Unternehmen mit steigenden Fehlerraten und Burnout bei Ärzten zu kämpfen haben, bietet KI einen klaren Weg nach vorne: bessere Kodierungsgenauigkeit, geringere Belastung für Ärzte und die Möglichkeit, den klinischen Fokus dort zu erweitern, wo er hingehört – auf die Patientenversorgung.
Bildnachweis: smolaw11, Getty Images
Austin Ward ist Head of Growth bei Fathom, dem Marktführer für autonome medizinische Kodierung. Er überwacht die Markteinführungsbemühungen und Kundenanalysen des Unternehmens. Er bringt umfassende Erfahrung in den Bereichen Gesundheitssysteme, Technologie und Datenwissenschaft mit und hat bei BCG, der Bill & Melinda Gates Foundation und im Risikokapitalbereich gearbeitet. Er besitzt einen MBA der Stanford University, einen MPA der Harvard University und einen BA der University of Chicago.
Dieser Beitrag erscheint über das MedCity Influencers-Programm. Über MedCity Influencer kann jeder seine Sicht auf Wirtschaft und Innovation im Gesundheitswesen auf MedCity News veröffentlichen. Klicken Sie hier, um herauszufinden, wie.
