Warum es an der Zeit ist, die HCC-Codierung intern einzuführen

Eine genaue Risikoanpassung ist nicht nur ein anzukreuzendes Kästchen; es ist jetzt ein strategischer Hebel. Die Kodierung der hierarchischen Zustandskategorie (HCC) untermauert die Risikobewertungen, die Medicare Advantage und andere wertbasierte Zahlungen vorantreiben. Da mittlerweile mehr als die Hälfte der Medicare-Leistungsempfänger für Medicare Advantage für 2025 angemeldet sind (das entspricht rund 35,7 Millionen Menschen), wirkt sich Präzision bei der Kodierung direkt auf die finanzielle Leistung und Compliance aus.

Viele Organisationen mit guten Absichten lagern die HCC-Codierung an Dritte aus, die Skalierbarkeit und schlüsselfertige Genauigkeit versprechen. Doch in der Praxis kann Outsourcing kostspielig, schwierig und riskant sein. Die jüngsten Fortschritte in der generativen KI haben es jedoch viel einfacher und sicherer gemacht, die HCC-Codierung intern durchzuführen, wodurch die Kosten gesenkt und die Prüfungsbereitschaft gestärkt werden.

Die versteckten Kosten (und Risiken) des Outsourcings

Das Geschäftsmodell hinter der ausgelagerten HCC-Codierung schafft falsche Anreize. Im Wesentlichen tauschen Sie höhere Ausgaben gegen weichere Genauigkeitsgarantien ein. Krankenkassen können bei Preismodellen pro Diagramm Millionen ausgeben, aber die Anbieter liefern selten die transparenten, überprüfbaren Beweise, die erforderlich sind, um zu zeigen, dass die Kodierungsgenauigkeit tatsächlich besser ist.

Unterdessen schätzt CMS den Zahlungsfehler für Teil C (Medicare Advantage) im Geschäftsjahr 2024 auf 19,07 Milliarden US-Dollar – eine Erinnerung daran, dass Dokumentationslücken ein systemisches Risiko bleiben, wenn Sie nicht jeden Code sehen und verteidigen können.

Was ist schlimmer? Die Prüfungslast liegt bei Ihnen, nicht beim Anbieter. Obwohl CMS über Mechanismen verfügt, um Überzahlungen zurückzufordern, einschließlich Extrapolation, und wenn Diagnosen in der Tabelle nicht unterstützt werden, ist es kein perfektes System. Wenn ein ausgelagerter Partner Codes „pusht“, behalten Sie die Haftung, wenn Prüfer die Aufzeichnungen überprüfen, und sie behalten ihre Gebühren.

Darüber hinaus versenden Sie bei den meisten ausgelagerten Modellen geschützte Gesundheitsinformationen (PHI) und akzeptieren die Schwellenwerte, Bearbeitungslogik und Risikotoleranz anderer. Dieser Mangel an Kontrolle und Transparenz ist ein Problem, wenn ein CMS oder ein Planprüfer fragt: „Warum wurde dieser HCC zugewiesen?“ und man kann keine erklärbare, vertretbare Spur erstellen.

Sich ändernde Regulierungsziele

Stellen Sie sich vor, Sie beauftragen eine Steuerkanzlei, die 20 % Ihrer Abzüge anstelle eines Stundensatzes berechnet. Sie haben jeden Anreiz, mehr Abzüge zu finden und die Grenzen zu überschreiten. Wenn Sie geprüft werden, haften Sie; Sie behalten ihren Anteil. Das ist die Risikodynamik vieler ausgelagerter HCC-Modelle: Anbieter maximieren den kurzfristigen Umsatz, während Sie mit der langfristigen Prüfungsgefahr konfrontiert sind.

Bei Medicare Advantage steht viel auf dem Spiel. Die Zahlungen im Jahr 2025 steigen mit zunehmender Einschreibung weiter an, was die Prüfung der Genauigkeit von Risikobewertungen und Kodierungspraktiken intensiviert. Richtlinienaktualisierungen prognostizieren anhaltende Zahlungserhöhungen, die teilweise mit Änderungen der Risikobewertung verbunden sind, was die Aufmerksamkeit von CMS und Aufsichtsbehörden weiter steigert.

Die Regulierungsbehörden machen die Risiken noch deutlicher. Das Office of Inspector General (OIG) hat wiederholt vor Diagnosen gewarnt, die nur aus Gesundheitsrisikobewertungen (Health Risk Assessments, HRAs) oder Krankenaktenüberprüfungen stammen, aber nirgendwo sonst in der Krankenakte gesichert sind. Solche Kodizes erhöhen die Zahlungen, halten einer Prüfung jedoch oft nicht stand. Mit anderen Worten: Sie gehen kalkulierte regulatorische Risiken ein, wenn die Codierung nicht geregelt ist.

Die hauseigene Alternative

Dank der Fortschritte in der generativen KI können viele dieser Probleme durch die unternehmensinterne HCC-Codierung zu einem Bruchteil der Kosten und des Risikoprofils behoben werden. Ihre Organisation – und nicht ein Anbieter – hat die Kontrolle, wenn es um Bearbeitungslogik, Schwellenwerte, Nachweisanforderungen und Eskalationspfade geht. Das bedeutet, dass die Prüfungsbereitschaft in das Design integriert ist, mit vollständiger Herkunft für jeden vorgeschlagenen und akzeptierten Code.

Denken Sie darüber nach: Sie beschäftigen bereits klinische Programmierer. Wenn sie mit der richtigen KI ausgestattet sind, können sie Diagramme vorab überprüfen, aussagekräftige Beweise aufdecken und die Überprüfung auf zweiter Ebene beschleunigen, ohne dass zusätzliches Personal erforderlich ist. Am wichtigsten ist vielleicht, dass Lösungen, die in Ihrer Umgebung ausgeführt werden, die Weitergabe von PHI vermeiden und Ihrem Team gleichzeitig volle Beobachtbarkeit bieten.

Vor ein paar Jahren bedeutete „DIY“, eine NLP-Plattform (Natural Language Processing) von Grund auf aufzubauen. Nicht mehr. Neue generative, KI-gestützte HCC-Codierungstools können in bestehende Arbeitsabläufe integriert werden, um chaotische, isolierte, multimodale Daten zu lesen, mit sich entwickelnden Modellen Schritt zu halten, vor Ort oder in einer privaten Cloud-Umgebung zu arbeiten und eine Anpassung an die Anforderungen Ihres eigenen Unternehmens zu ermöglichen.

Der sicherere und intelligentere Weg nach vorn

Die Aufsichtsbehörden haben ihre Erwartungen klar zum Ausdruck gebracht: Nicht bestätigte Diagnosen werden gefunden und Gelder werden zurückgefordert. Das OIG stellt weiterhin gefährdete Kodierungskanäle wie HRAs und Krankenaktenprüfungen in den Mittelpunkt, wenn sie an anderer Stelle in der Krankenakte nicht unterstützt werden. Und die Teil-C-Fehlerratenarbeit von CMS zeigt, dass jedes Jahr Milliarden auf dem Spiel stehen.

Outsourcing machte Sinn, als die Technologielücke groß war. Diese Lücke hat sich inzwischen geschlossen. Heutzutage können Unternehmen KI-native HCC-Plattformen hinter ihrer eigenen Firewall bereitstellen, sie an ihre Compliance-Situation anpassen und zu vorhersehbaren Kosten pro Patient arbeiten, während sie gleichzeitig revisionssicher bleiben.

Die Risikoanpassung ist zu strategisch, um sie außerhalb Ihrer vier Wände zu belassen. Die Zukunft der HCC-Kodierung liegt im eigenen Haus, und mit einer Kombination aus generativer KI und Ihren eigenen klinischen Kodierern können Unternehmen jede dieser Realitäten direkt mit Kontrolle, Transparenz und Kosteneinsparungen angehen.

Foto: LeoWolfert, Getty Images

David Talby, PhD, MBA, ist CTO von John Snow Labs. Er hat seine Karriere damit verbracht, mithilfe von KI, Big Data und Data Science reale Probleme im Gesundheitswesen, in den Biowissenschaften und verwandten Bereichen zu lösen.

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.