AI ຈະທົດແທນຜູ້ຂຽນລະຫັດທາງການແພດບໍ? [ວິດີໂອ ແລະ ແບບສອບຖາມ]

ຄຳຕອບສັ້ນໆ:
AI ຈະບໍ່ສາມາດທົດແທນຜູ້ຂຽນລະຫັດທາງການແພດໄດ້ຢ່າງເຕັມສ່ວນ, ແຕ່ມັນຈະປ່ຽນແປງວິທີການເຮັດວຽກ. ເມື່ອເອກະສານເປັນປະຈຳ ແລະ ມີໂຄງສ້າງ, AI ສາມາດຮັບຜິດຊອບຂັ້ນຕອນທີ່ຊ້ຳໆໄດ້; ເມື່ອກໍລະນີມີຄວາມສັບສົນ, ມີຂໍ້ຂັດແຍ້ງ, ຫຼື ໄດ້ຮັບການກວດສອບ, ການຕັດສິນຂອງມະນຸດຍັງຄົງເປັນຈຸດໃຈກາງ. ບົດບາດຈະປ່ຽນໄປກ່ອນທີ່ຈຳນວນພະນັກງານຈະຫາຍໄປ.

ບົດຮຽນຫຼັກ:

ການເຮັດວຽກແບບອັດຕະໂນມັດ: AI ຮັບເອົາວຽກງານການຂຽນໂປຣແກຣມທີ່ຊ້ຳໆ, ສ້າງພື້ນທີ່ສຳລັບການທົບທວນທີ່ຕ້ອງໃຊ້ການຕັດສິນຫຼາຍ ແລະ ການຈັດການຂໍ້ຍົກເວັ້ນ.

ຄວາມຮັບຜິດຊອບຂອງມະນຸດ: ຜູ້ຂຽນໂປຣແກຣມຍັງຄົງເປັນຜູ້ຮັບຜິດຊອບເມື່ອມີການກວດສອບ, ການອຸທອນ, ການປະຕິເສດ ຫຼື ຄຳຖາມກ່ຽວກັບການປະຕິບັດຕາມຂໍ້ກຳນົດ.

ການພັດທະນາບົດບາດ: ບົດບາດການເຂົ້າລະຫັດມີແນວໂນ້ມທີ່ຈະໄປສູ່ການກວດສອບ, CDI, ການຄຸ້ມຄອງການປະຕິເສດ, ການຕີຄວາມນະໂຍບາຍ ແລະ ການຄຸ້ມຄອງ.

ການຄຸ້ມຄອງຄວາມສ່ຽງ: ການຂຽນໂປຣແກຣມທີ່ໄວຂຶ້ນສາມາດເພີ່ມຄວາມສ່ຽງດ້ານການປະຕິບັດຕາມກົດລະບຽບໄດ້ ຖ້າຄວາມໄວເກີນກວ່າການກວດກາ ແລະ ການທົບທວນຂອງມະນຸດມີໜ້ອຍລົງ.

ຄວາມຢືດຢຸ່ນໃນອາຊີບ: ຄວາມຊ່ຽວຊານດ້ານຄຳແນະນຳ, ຄວາມຄ່ອງແຄ້ວຂອງນະໂຍບາຍຂອງຜູ້ຈ່າຍເງິນ, ແລະ ຄວາມເຂັ້ມແຂງຂອງການກວດສອບຍັງຄົງເປັນທັກສະທີ່ທົນທານ ແລະ ມີຄວາມຕ້ອງການສູງ.

AI ຈະທົດແທນຜູ້ຂຽນລະຫັດທາງການແພດບໍ? “ທົດແທນ” ໝາຍຄວາມວ່າແນວໃດໃນການປະຕິບັດ 🤔

ເມື່ອຄົນຖາມວ່າ “AI ຈະທົດແທນຜູ້ຂຽນລະຫັດທາງການແພດບໍ?” ໂດຍປົກກະຕິແລ້ວເຂົາເຈົ້າໝາຍເຖິງໜຶ່ງໃນນີ້:

• ປ່ຽນແທນຈຳນວນພະນັກງານ - ຕ້ອງການຜູ້ຂຽນໂປຣແກຣມໜ້ອຍລົງໂດຍລວມ

• ປ່ຽນໜ້າວຽກ - ວຽກປ່ຽນໄປແຕ່ຜູ້ຂຽນໂປຣແກຣມຍັງຄົງຢູ່

• ປ່ຽນຄວາມຮັບຜິດຊອບ - AI ຕັດສິນໃຈສຸດທ້າຍ ແລະ ມະນຸດພຽງແຕ່ເບິ່ງ

• ປ່ຽນບົດບາດລະດັບເລີ່ມຕົ້ນ - ຂັ້ນຕອນການປ່ຽນແປງກ່ອນ 😬

ໃນປະສົບການຂອງຂ້ອຍທີ່ເບິ່ງທີມງານຕ່າງໆຮັບຮອງເອົາລະບົບອັດຕະໂນມັດ, ການປ່ຽນແປງທີ່ໃຫຍ່ທີ່ສຸດແມ່ນບໍ່ຄ່ອຍຈະ "ນັກຂຽນໂປຣແກຣມຫາຍໄປ". ມັນຄ້າຍຄືກັບ:
ການຂຽນໂປຣແກຣມປົກກະຕິໄວຂຶ້ນ, ກໍລະນີທີ່ມີບັນຫາຫຼາຍຂຶ້ນ, ແລະ ການກວດສອບກາຍເປັນເງົາເຕັມເວລາຂອງທຸກຄົນ. (OIG – ຄຳແນະນຳໂຄງການປະຕິບັດຕາມທົ່ວໄປ)

AI ແມ່ນດີເລີດໃນການເຮັດຊ້ຳໆ. ການຂຽນໂປຣແກຣມບໍ່ພຽງແຕ່ເປັນການເຮັດຊ້ຳໆເທົ່ານັ້ນ. ການຂຽນໂປຣແກຣມແມ່ນການເຮັດຊ້ຳໆ ບວກກັບການຕັດສິນ ບວກກັບການປະຕິບັດຕາມ ບວກກັບຄວາມແປກປະຫຼາດຂອງຜູ້ຈ່າຍເງິນ ບວກກັບ "ເປັນຫຍັງສິ່ງນີ້ຈຶ່ງຢູ່ໃນບັນທຶກ" ເພື່ອແກ້ໄຂຄວາມລຶກລັບ. 🕵️‍♀️

ສະນັ້ນແມ່ນແລ້ວ, AI ສາມາດທົດແທນບາງສ່ວນຂອງວຽກງານໄດ້. ການທົດແທນອາຊີບຢ່າງສິ້ນເຊີງແມ່ນສັດຮ້າຍທີ່ແຕກຕ່າງກັນ.

ສິ່ງໃດທີ່ເຮັດໃຫ້ການຂຽນໂປຣແກຣມທາງການແພດ AI ລຸ້ນດີ? ✅

ຖ້າພວກເຮົາກຳລັງເວົ້າກ່ຽວກັບ "ຮຸ່ນທີ່ດີ" ຂອງ AI ສຳລັບການຂຽນໂປຣແກຣມທາງການແພດ, ມັນບໍ່ແມ່ນຮຸ່ນທີ່ມີການຕະຫຼາດທີ່ສະຫຼາດທີ່ສຸດ. ມັນແມ່ນຮຸ່ນທີ່ປະພຶດຕົວຄືກັບເພື່ອນຮ່ວມງານທີ່ແຂງແກ່ນທີ່ບໍ່ຕົກໃຈ, ບໍ່ມີອາການຫຼອນ, ແລະສະແດງຜົນງານຂອງເຂົາເຈົ້າ. (NIST AI RMF 1.0, NIST Generative AI Profile (AI 600-1))

ລະບົບການຂຽນລະຫັດ AI ທີ່ດີ (ຫຼື ຂັ້ນຕອນການເຮັດວຽກ) ໂດຍປົກກະຕິແລ້ວຈະມີ:

• NLP ທາງດ້ານຄລີນິກທີ່ເຂັ້ມແຂງທີ່ຈັດການກັບບັນທຶກທີ່ບໍ່ເປັນລະບຽບ (ການຂຽນຕາມສຽງ, ແມ່ແບບ, ສະປາເກັດຕີ້ຄັດລອກ-ວາງ 🍝)

• ຄຳແນະນຳກ່ຽວກັບລະຫັດພ້ອມເຫດຜົນ (ບໍ່ພຽງແຕ່ລະຫັດເທົ່ານັ້ນ - ແຕ່ເຫດຜົນ)

• ການໃຫ້ຄະແນນຄວາມໝັ້ນໃຈ ດ້ວຍເກນທີ່ທ່ານສາມາດປັບໄດ້

• ຮ່ອງຮອຍການກວດສອບ ສຳລັບການປະຕິບັດຕາມ ແລະ ການຕອບສະໜອງຂອງຜູ້ຈ່າຍເງິນ (CMS MLN909160 – ຂໍ້ກຳນົດເອກະສານບັນທຶກທາງການແພດ)

• ກົດລະບຽບ + ແນວທາງການຈັດລຽງ (ICD-10-CM, CPT, HCPCS, ການແກ້ໄຂ NCCI, ນະໂຍບາຍຜູ້ຈ່າຍເງິນ... ທັງໝົດ 🎪) (ແນວທາງການຂຽນລະຫັດ CMS FY 2026 ICD-10-CM, ການແກ້ໄຂ CMS NCCI)

• ການຄວບຄຸມແບບມະນຸດໃນວົງຈອນ ດັ່ງນັ້ນຜູ້ຂຽນໂປຣແກຣມສາມາດຍອມຮັບ, ດັດແປງ ຫຼື ປະຕິເສດໄດ້ (NIST AI RMF 1.0)

• ການເຊື່ອມໂຍງທີ່ບໍ່ເຮັດໃຫ້ທຸກຄົນຜິດຫວັງ (EHR, ຕົວເຂົ້າລະຫັດ, CAC, ລະບົບການຮຽກເກັບເງິນ)

ຖ້າເຄື່ອງມືບໍ່ສາມາດອະທິບາຍຕົວມັນເອງໄດ້, ມັນບໍ່ໄດ້ທົດແທນສິ່ງໃດໄດ້ຢ່າງປອດໄພ. ມັນພຽງແຕ່ສ້າງຄວາມກັງວົນໄວຂຶ້ນ. (ໂປຣໄຟລ໌ AI ທົ່ວໄປ NIST (AI 600-1))

ຕາຕະລາງປຽບທຽບ: ຕົວເລືອກການຂຽນໂປຣແກຣມທີ່ຊ່ວຍເຫຼືອດ້ວຍ AI ອັນດັບຕົ້ນໆ (ແລະບ່ອນທີ່ພວກມັນເໝາະສົມ) 📊

ຂ້າງລຸ່ມນີ້ແມ່ນຕາຕະລາງປຽບທຽບທີ່ໃຊ້ໄດ້ຈິງຂອງວິທີການຂຽນໂປຣແກຣມທີ່ໃຊ້ AI ຊ່ວຍເຫຼືອທົ່ວໄປ. ມັນບໍ່ແມ່ນເລື່ອງທີ່ງ່າຍດາຍຢ່າງສົມບູນແບບ... ເພາະວ່າການຈັດຕັ້ງປະຕິບັດກໍ່ບໍ່ແມ່ນແບບນັ້ນ.

ສັງເກດເຫັນຮູບແບບບໍ? ຍິ່ງມັນພະຍາຍາມເປັນ "ບໍ່ມີການສຳຜັດ" ຫຼາຍເທົ່າໃດ, ທ່ານກໍ່ຈະຕ້ອງມີການຄຸ້ມຄອງຫຼາຍຂຶ້ນເທົ່ານັ້ນເພື່ອຫຼີກເວັ້ນບັນຫາການປະຕິບັດຕາມກົດລະບຽບທີ່ຊ້າລົງ. ມ່ວນ. (OIG – ຄຳແນະນຳໂຄງການປະຕິບັດຕາມກົດລະບຽບທົ່ວໄປ)

ເປັນຫຍັງ AI ຈຶ່ງເກັ່ງແທ້ໆໃນບາງສ່ວນຂອງການຂຽນໂປຣແກຣມ 😎

ຂໍໃຫ້ພວກເຮົາຍົກຍ້ອງ AI ໃນບ່ອນທີ່ມັນສົມຄວນໄດ້ຮັບ. ມີບາງພື້ນທີ່ທີ່ມັນເຂັ້ມແຂງຢ່າງຖືກຕ້ອງຕາມກົດໝາຍ:

1) ການຮັບຮູ້ຮູບແບບໃນລະດັບໃຫຍ່

ການພົບປະທີ່ມີປະລິມານສູງ ແລະ ຊ້ຳໆໄດ້ກັບເອກະສານທີ່ສອດຄ່ອງກັນບໍ? AI ມັກຈະສາມາດ:

• ການເຂົ້າລະຫັດການວິນິດໄສປົກກະຕິສຳລັບພະຍາດທົ່ວໄປ

• ການຂຽນໂປຣແກຣມຂັ້ນຕອນງ່າຍໆເມື່ອເອກະສານສະອາດ

• ຊອກຫາຫຼັກຖານສະໜັບສະໜູນໄດ້ໄວ (ຫ້ອງທົດລອງ, ການຖ່າຍພາບ, ບັນຊີລາຍຊື່ບັນຫາ)

2) ເລັ່ງການ “ລ່າສັດ”

ເຖິງແມ່ນວ່ານັກຂຽນໂປຣແກຣມຊ່ຽວຊານກໍ່ໃຊ້ເວລາຊອກຫາ:

• ຖະແຫຼງການຂອງຜູ້ໃຫ້ບໍລິການຢູ່ໃສ

• ຄວາມສະເພາະຢູ່ໃສ

• ສິ່ງທີ່ສະໜັບສະໜູນຄວາມຈຳເປັນທາງການແພດ

• ຄວາມຫຍາບຄາຍຢູ່ໃສ 😩

AI ສາມາດສະແດງເສັ້ນທີ່ກ່ຽວຂ້ອງ, ຊີ້ບອກຄວາມຈຳເພາະທີ່ຂາດຫາຍໄປ, ແລະ ຫຼຸດຜ່ອນຄວາມອິດເມື່ອຍຂອງການເລື່ອນ. ນັ້ນບໍ່ແມ່ນເລື່ອງທີ່ໜ້າສົນໃຈ, ແຕ່ມັນແມ່ນຜົນຜະລິດທີ່ແທ້ຈິງ.

3) ຮູບແບບການປ້ອງກັນການປະຕິເສດ

AI ສາມາດຮຽນຮູ້ຮູບແບບຕ່າງໆເຊັ່ນ:

• ການປະຕິເສດທົ່ວໄປທີ່ກະຕຸ້ນໂດຍຜູ້ຈ່າຍເງິນ

• ຊ່ອງຫວ່າງດ້ານເອກະສານທີ່ກ່ຽວຂ້ອງກັບການບໍລິການບາງຢ່າງ

• ຕົວດັດແປງທີ່ມັກຈະຖືກປະຕິເສດໂດຍບໍ່ມີການສະໜັບສະໜູນເພີ່ມເຕີມ (CMS MLN909160 – ຂໍ້ກຳນົດເອກະສານບັນທຶກທາງການແພດ, ໂຄງການ CMS CERT)

ນັກຂຽນໂປຣແກຣມເຮັດສິ່ງນີ້ດ້ວຍຈິດໃຈແລ້ວ. AI ພຽງແຕ່ເຮັດມັນຢ່າງມີສຽງດັງ ແລະ ໄວຂຶ້ນ.

ເປັນຫຍັງ AI ຈຶ່ງມີບັນຫາກັບຜູ້ຂຽນໂປຣແກຣມຊິ້ນສ່ວນຕ່າງໆ ເຊິ່ງໄດ້ຮັບຄ່າຈ້າງໃຫ້ຈັດການ 😬

ດຽວນີ້ອີກດ້ານໜຶ່ງ. ສ່ວນຕ່າງໆທີ່ທຳລາຍລະບົບອັດຕະໂນມັດມັກຈະເປັນສ່ວນດຽວກັນທີ່ແຍກ “ການປ້ອນລະຫັດ” ​​ອອກຈາກ “ການຂຽນລະຫັດ”

ຄວາມບໍ່ແນ່ນອນທາງດ້ານຄລີນິກ ແລະ ຄວາມຮູ້ສຶກທາງດ້ານຄລີນິກ

ຜູ້ໃຫ້ບໍລິການຂຽນສິ່ງຕ່າງໆເຊັ່ນ:

• "ອາດຈະເປັນໄປໄດ້," "ຍົກເວັ້ນ," "ສົງໄສ," "ບໍ່ສາມາດຍົກເວັ້ນໄດ້"

• “ປະຫວັດຂອງ,” “ໂພສສະຖານະ,” “ໄດ້ຮັບການແກ້ໄຂ,” “ຊໍາເຮື້ອແຕ່ໝັ້ນຄົງ”

• “ອາດຈະເປັນປອດອັກເສບແຕ່ອາດຈະເປັນ CHF”

AI ສາມາດເຂົ້າໃຈຄວາມບໍ່ແນ່ນອນຜິດ ແລະ ປ່ຽນມັນໃຫ້ກາຍເປັນຄວາມແນ່ນອນໄດ້. ນັ້ນ... ບໍ່ແມ່ນຄວາມຜິດພາດທີ່ໜ້າຮັກ.

ຄວາມແຕກຕ່າງຂອງແນວທາງ (ແລະ ຄວາມວຸ້ນວາຍຂອງນະໂຍບາຍຜູ້ຈ່າຍເງິນ)

ການຂຽນໂປຣແກຣມບໍ່ພຽງແຕ່ເປັນ “ສິ່ງທີ່ເກີດຂຶ້ນທາງດ້ານຄລີນິກເທົ່ານັ້ນ.” ມັນແມ່ນ:

• ການຕີຄວາມໝາຍແນວທາງ

• ເຫດຜົນການຈັດລຳດັບ

• ກົດລະບຽບການລວມກຸ່ມ

• ຂໍ້ກຳນົດສະເພາະຂອງຜູ້ຈ່າຍເງິນ

• ເຫດຜົນດ້ານຄວາມຈຳເປັນທາງການແພດ

• ລັກສະນະການຄອບຄຸມໃນທ້ອງຖິ່ນ (ຄຳແນະນຳກ່ຽວກັບການເຂົ້າລະຫັດ ICD-10-CM ຂອງ CMS FY 2026, ການແກ້ໄຂ CMS NCCI)

ແນ່ນອນ, AI ສາມາດຮຽນຮູ້ຮູບແບບຕ່າງໆໄດ້. ແຕ່ເມື່ອຜູ້ຈ່າຍເງິນປ່ຽນແປງກົດລະບຽບ, ມະນຸດຈະປັບຕົວດ້ວຍຄວາມຕັ້ງໃຈ. AI ປັບຕົວດ້ວຍຄວາມສັບສົນ ແລະ ຄວາມໝັ້ນໃຈ. ນັ້ນແມ່ນການປະສົມປະສານທີ່ບໍ່ດີ.

ບັນຫາ "ປະໂຫຍກໜຶ່ງທີ່ຂາດຫາຍໄປ"

ແຖວດຽວສາມາດປ່ຽນແປງການເລືອກລະຫັດ, DRG, ການຈັບຄວາມສ່ຽງ HCC, ຫຼືລະດັບ E/M. AI ອາດຈະພາດມັນ, ຫຼືຮ້າຍແຮງກວ່ານັ້ນ - ອະນຸມານມັນ. ແລະການອະນຸມານໃນການຂຽນໂປຣແກຣມແມ່ນຄືກັບການສ້າງຂົວຈາກວຸ້ນ. ເບິ່ງດີຈົນກວ່າທ່ານຈະຢຽບມັນ.

ສະນັ້ນ... AI ຈະທົດແທນຜູ້ຂຽນລະຫັດທາງການແພດບໍ? ຜົນໄດ້ຮັບທີ່ເປັນຈິງທີ່ສຸດ 🧩

ກັບໄປທີ່ຄຳສຳຄັນຫຼັກ: AI ຈະທົດແທນຜູ້ຂຽນລະຫັດທາງການແພດບໍ?
ຄຳຕອບທີ່ດີທີ່ສຸດຂອງຂ້ອຍແມ່ນ: AI ຈະທົດແທນສ່ວນຕ່າງໆຂອງວຽກງານກ່ອນ, ຈາກນັ້ນຈຶ່ງປັບປຸງບົດບາດ, ແລະຫຼຸດຜ່ອນຈຳນວນພະນັກງານພຽງແຕ່ບ່ອນທີ່ອົງກອນເລືອກທີ່ຈະບໍ່ລົງທຶນເວລາທີ່ປະຢັດໄວ້ຄືນໃໝ່.

ການແປພາສາ:

• ບາງອົງກອນຈະໃຊ້ AI ເພື່ອ ເພີ່ມປະລິມານວຽກ ໂດຍບໍ່ຕ້ອງປົດພະນັກງານອອກ

• ບາງຄົນຈະໃຊ້ມັນເພື່ອ ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍ (ແລະຈັດການກັບຜົນກະທົບທີ່ຕາມມາໃນພາຍຫຼັງ)

• ບາງອັນຈະເຮັດແບບປະສົມ, ຂຶ້ນກັບສາຍການບໍລິການ

ແຕ່ນີ້ແມ່ນຈຸດປ່ຽນທີ່ຄົນເຮົາພາດໄປ: ຖ້າ AI ເພີ່ມຄວາມໄວ, ມັນຍັງສາມາດເພີ່ມຄວາມສ່ຽງໄດ້. ຄວາມສ່ຽງນັ້ນກະຕຸ້ນຄວາມຕ້ອງການສຳລັບ:

• ຜູ້ກວດສອບບັນຊີ

• ຜູ້ກວດສອບການປະຕິບັດຕາມ

• ນັກການສຶກສາດ້ານການຂຽນໂປຣແກຣມ

• ຜູ້ຊ່ຽວຊານດ້ານການຄຸ້ມຄອງການປະຕິເສດ

• ຜູ້ຊ່ຽວຊານດ້ານ CDI ແລະ ການຈັດການແບບສອບຖາມ

• ພາລະບົດບາດດ້ານການຄຸ້ມຄອງຄຸນນະພາບຂໍ້ມູນ (OIG – ຄຳແນະນຳໂຄງການປະຕິບັດຕາມກົດລະບຽບທົ່ວໄປ, ໂຄງການ CMS CERT)

ສະນັ້ນການທົດແທນຈຶ່ງບໍ່ແມ່ນເສັ້ນຊື່. ມັນຄ້າຍຄືກັບເຄື່ອງແລ່ນໃນເກີບແຕະຫຼາຍກວ່າ. ກ້າວໜ້າ... ແຕ່ສັ່ນຄອນໜ້ອຍໜຶ່ງ. 😅

ສິ່ງທີ່ປ່ຽນແປງກ່ອນ: ຄົນເຈັບໃນ vs ຄົນເຈັບນອກ vs ຜູ້ຊ່ຽວຊານ 🏥

ບໍ່ແມ່ນວຽກງານການຂຽນໂປຣແກຣມທັງໝົດຈະໄດ້ຮັບຜົນກະທົບເທົ່າທຽມກັນ. ບາງພື້ນທີ່ແມ່ນງ່າຍຕໍ່ການອັດຕະໂນມັດເພາະວ່າເອກະສານ ແລະ ກົດລະບຽບມີໂຄງສ້າງຫຼາຍກວ່າ.

ຄົນເຈັບນອກ ແລະ ຜູ້ຊ່ຽວຊານ

ມັກຈະເຫັນການອັດຕະໂນມັດໄວຂຶ້ນເພາະວ່າ:

• ປະລິມານສູງ

• ແມ່ແບບທີ່ເຮັດຊ້ຳໄດ້

• ຟີດຂໍ້ມູນທີ່ມີໂຄງສ້າງຫຼາຍຂຶ້ນ

• ງ່າຍຕໍ່ການນຳໃຊ້ການແກ້ໄຂທີ່ອີງໃສ່ກົດລະບຽບ + ການກະຕຸ້ນເຕືອນ AI (ການແກ້ໄຂ CMS NCCI)

ແຕ່ຄວາມສັບສົນຂອງການປັບລະດັບ E/M, ການຕັດສິນໃຈທາງການແພດ, ແລະ ການກວດສອບຜູ້ຈ່າຍເງິນຍັງຄົງເຮັດໃຫ້ມະນຸດມີຄວາມກ່ຽວຂ້ອງຫຼາຍ. (CMS MLN006764 – ການບໍລິການປະເມີນຜົນ ແລະ ການຄຸ້ມຄອງ)

ຄົນເຈັບໃນໂຮງໝໍ

ການເຂົ້າລະຫັດຄົນເຈັບໃນໂຮງໝໍມີຄວາມແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ:

• ການພັກເຊົາດົນນານພ້ອມກັບການວິນິດໄສຫຼາຍຄັ້ງ

• ອາການແຊກຊ້ອນ, ພະຍາດຮ່ວມ, ຂັ້ນຕອນການປິ່ນປົວ

• ຜົນກະທົບຂອງ DRG ແລະຄວາມແຕກຕ່າງຂອງການຈັດລຳດັບ

• ຄວາມຜິດປົກກະຕິຂອງເອກະສານຄົງທີ່ (ຄຳແນະນຳກ່ຽວກັບການເຂົ້າລະຫັດ CMS FY 2026 ICD-10-CM)

ປັນຍາປະດິດສາມາດຊ່ວຍໄດ້, ແຕ່ “ຄົນເຈັບໃນໂຮງໝໍທີ່ບໍ່ຕ້ອງສຳຜັດ” ມັກຈະເປັນຄວາມຝັນຫຼາຍກວ່າຄວາມເປັນຈິງສຳລັບໂຮງໝໍຫຼາຍແຫ່ງ.

ຊ່ອງທາງພິເສດ

ວິທະຍາສາດລັງສີວິທະຍາ ແລະ ພະຍາດວິທະຍາສາມາດເຫັນຜົນປະໂຫຍດທີ່ເຂັ້ມແຂງຍ້ອນການລາຍງານທີ່ມີໂຄງສ້າງ. ED ສາມາດປະສົມປະສານໄດ້ - ບັນທຶກທີ່ໄວ, ເປັນແມ່ແບບ, ແຕ່ຄວາມເປັນຈິງທີ່ບໍ່ເປັນລະບຽບ.

ສະໜາມຮົບທີ່ເຊື່ອງໄວ້: ການປະຕິບັດຕາມ, ການກວດສອບ, ແລະ ຄວາມຮັບຜິດຊອບ 🧾

ນີ້ແມ່ນບ່ອນທີ່ "ການທົດແທນ" ສັ່ນຄອນ.

ເຖິງແມ່ນວ່າ AI ຈະແນະນຳລະຫັດ, ແຕ່ຄວາມຮັບຜິດຊອບກໍຍັງຕົກຢູ່ບ່ອນສະເພາະໃດໜຶ່ງ:

• ສະຖານທີ່ດັ່ງກ່າວ

• ຜູ້ໃຫ້ບໍລິການຮຽກເກັບເງິນ

• ຜູ້ຂຽນໂປຣແກຣມທີ່ຄລິກ “ຍອມຮັບ”

• ຜູ້ຈັດການຜູ້ທີ່ກຳນົດຂອບເຂດ

• ຜູ້ຂາຍທີ່ເວົ້າວ່າມັນຖືກຕ້ອງ (lol) (OIG – ຄຳແນະນຳໂຄງການປະຕິບັດຕາມກົດລະບຽບທົ່ວໄປ)

ໂດຍປົກກະຕິແລ້ວທີມງານປະຕິບັດຕາມກົດລະບຽບຕ້ອງການ:

• ການຕິດຕາມໄດ້

• ເຫດຜົນຂອງການຂຽນລະຫັດທີ່ສາມາດປ້ອງກັນໄດ້

• ການນຳໃຊ້ແນວທາງທີ່ສອດຄ່ອງກັນ

• ເອກະສານທີ່ພ້ອມສຳລັບການກວດສອບ (CMS MLN909160 – ຂໍ້ກຳນົດເອກະສານບັນທຶກທາງການແພດ)

AI ສາມາດສະໜັບສະໜູນສິ່ງນັ້ນໄດ້ - ແຕ່ພຽງແຕ່ຖ້າຂະບວນການເຮັດວຽກຖືກສ້າງຂຶ້ນເພື່ອຮັກສາຫຼັກຖານ ແລະ ຫຼຸດຜ່ອນການຍອມຮັບແບບບໍ່ເຫັນດ້ວຍຕາເປົ່າ. (NIST AI RMF 1.0)

ຂໍເວົ້າກົງໆໜ້ອຍໜຶ່ງ: ຖ້າຂະບວນການເຮັດວຽກ AI ຂອງເຈົ້າຊຸກຍູ້ໃຫ້ມີການປະທັບຢາງ, ເຈົ້າຈະບໍ່ປະຫຍັດເງິນ. ເຈົ້າກຳລັງຢືມບັນຫາ. ດ້ວຍດອກເບ້ຍ. 😬 (GAO-19-277, ໂຄງການ CMS CERT)

ວິທີການຮັກສາຄຸນຄ່າ: ຊຸດທັກສະການຂຽນໂປຣແກຣມ “AI-proof” 💪🧠

ຖ້າທ່ານເປັນນັກຂຽນໂປຣແກຣມທາງການແພດທີ່ກຳລັງອ່ານເລື່ອງນີ້ດ້ວຍຄວາມຮູ້ສຶກແໜ້ນໜາຢູ່ໃນໜ້າເອິກຂອງທ່ານ, ນີ້ແມ່ນຂ່າວດີ: ທ່ານສາມາດວາງຕຳແໜ່ງຕົວທ່ານເອງສຳລັບສ່ວນໜຶ່ງຂອງວຽກງານທີ່ AI ບໍ່ສາມາດເປັນເຈົ້າຂອງໄດ້ຢ່າງປອດໄພ.

ທັກສະທີ່ເໝາະສົມກັບໄວໜຸ່ມ (ເຖິງແມ່ນວ່າຈະຢູ່ໃນສະພາບແວດລ້ອມທີ່ມີ AI ຫຼາຍ):

• ການກວດສອບ ແລະ ການທົບທວນຄຸນນະພາບ (ຊອກຫາສິ່ງທີ່ຜິດພາດ, ບໍ່ພຽງແຕ່ສິ່ງທີ່ໄວ) (OIG – ຄຳແນະນຳໂຄງການປະຕິບັດຕາມມາດຕະຖານທົ່ວໄປ)

• ການຕີຄວາມໝາຍຄຳແນະນຳ (ແລະ ການອະທິບາຍຢ່າງຊັດເຈນ) (ຄຳແນະນຳການເຂົ້າລະຫັດ CMS FY 2026 ICD-10-CM)

• ການນຳທາງນະໂຍບາຍຂອງຜູ້ຈ່າຍເງິນ (ເພາະວ່ານະໂຍບາຍແມ່ນ… ເຜັດ 🌶️)

• ການຮ່ວມມື CDI ແລະ ກົນລະຍຸດການສອບຖາມ

• ການວິເຄາະສາເຫດຕົ້ນຕໍຂອງການປະຕິເສດ (CMS MLN909160 – ຂໍ້ກຳນົດເອກະສານບັນທຶກທາງການແພດ, ໂຄງການ CMS CERT)

• ຄວາມຮູ້ດ້ານການປັບຄວາມສ່ຽງ (ເຫດຜົນຂອງ HCC, ຄວາມຊື່ສັດຂອງເອກະສານ) (ການປັບຄວາມສ່ຽງ CMS)

• ຄວາມຊ່ຽວຊານພິເສດ (ກະດູກ, ຫົວໃຈ, ລະບົບປະສາດ, ມະເຮັງ, ແລະອື່ນໆ)

• ການຄຸ້ມຄອງ AI - ຊ່ວຍກຳນົດຂອບເຂດ, ໝວດໝູ່ຄວາມຜິດພາດ, ວົງວຽນຄຳຕິຊົມ (NIST AI RMF 1.0)

ຖ້າ AI ເປັນເຄື່ອງຄິດໄລ່, ເຈົ້າຈະບໍ່ລ້າສະໄໝໂດຍການເຮັດຄະນິດສາດໃຫ້ດີຂຶ້ນ. ເຈົ້າຈະກາຍເປັນມີຄຸນຄ່າຫຼາຍຂຶ້ນໂດຍການຮູ້ວ່າເວລາໃດທີ່ເຄື່ອງຄິດໄລ່ຜິດ, ແລະເປັນຫຍັງ.

ອົງກອນຕ່າງໆຄວນນຳໃຊ້ AI ແນວໃດໂດຍບໍ່ເຮັດໃຫ້ທຸກຄົນທຸກທໍລະມານ 😵💫

ຖ້າທ່ານຢູ່ໃນຝ່າຍຜູ້ນຳ, ນີ້ແມ່ນຮູບແບບການຈັດຕັ້ງປະຕິບັດທີ່ຂ້ອຍເຄີຍເຫັນວ່າເຮັດວຽກໄດ້ດີທີ່ສຸດ:

1) ເລີ່ມຕົ້ນດ້ວຍ “ຊ່ວຍເຫຼືອ” ບໍ່ແມ່ນ “ທົດແທນ”

ໃຊ້ AI ສຳລັບ:

• ການຈັດລຳດັບຄວາມສຳຄັນຂອງຕາຕະລາງ

• ຫຼັກຖານທີ່ປາກົດຂຶ້ນ

• ຄຳແນະນຳລະຫັດທີ່ມີຄະແນນຄວາມໝັ້ນໃຈ

• ການຈັດເສັ້ນທາງການເຮັດວຽກໂດຍອີງໃສ່ຄວາມສັບສົນ

2) ສ້າງວົງຈອນຄຳຕິຊົມຄືກັບທີ່ເຈົ້າໝາຍຄວາມວ່າມັນ

ຖ້າຜູ້ຂຽນໂປຣແກຣມແກ້ໄຂຜົນຜະລິດຂອງ AI, ໃຫ້ຈັບພາບນັ້ນ:

• ຄວາມຜິດພາດປະເພດໃດ

• ເປັນຫຍັງມັນຈຶ່ງເກີດຂຶ້ນ

• ເອກະສານໃດທີ່ກະຕຸ້ນມັນ

• ມັນເຮັດຊ້ຳເລື້ອຍໆປານໃດ

ຖ້າບໍ່ດັ່ງນັ້ນເຄື່ອງມືຈະບໍ່ເຄີຍດີຂຶ້ນ ແລະ ທຸກຄົນກໍ່ຈະດີກວ່າທີ່ຈະບໍ່ສົນໃຈມັນ.

3) ແບ່ງວຽກຕາມຄວາມຊັບຊ້ອນ

ຂະບວນການເຮັດວຽກຕົວຈິງ:

• ຄວາມສັບສົນຕ່ຳ - ອັດຕະໂນມັດຫຼາຍຂຶ້ນ

• ຄວາມສັບສົນປານກາງ - ຂັ້ນຕອນການເຮັດວຽກຄູ່ຂອງໂປຣແກຣມຂຽນໂປຣແກຣມ + AI

• ຄວາມສັບສົນສູງ - ຜູ້ຂຽນໂປຣແກຣມຜູ້ຊ່ຽວຊານກ່ອນ, AI ທີສອງ (ແມ່ນແລ້ວ, ທີສອງ)

4) ວັດແທກຜົນໄດ້ຮັບທີ່ຖືກຕ້ອງ

ບໍ່ພຽງແຕ່ຜະລິດຕະພາບເທົ່ານັ້ນ. ນອກຈາກນີ້:

• ອັດຕາການປະຕິເສດ

• ຜົນການກວດສອບ

• ອັດຕາການລົ້ມເຫຼວ

• ປະລິມານການສອບຖາມ ແລະ ຄຸນນະພາບການຕອບສະໜອງ

• ຄວາມພໍໃຈຂອງຜູ້ຂຽນໂປຣແກຣມ (ຢ່າງຈິງຈັງ) (ໂຄງການ CMS CERT)

ຖ້າຜົນຜະລິດເພີ່ມຂຶ້ນ ແລະ ການປະຕິເສດກໍ່ເພີ່ມຂຶ້ນເຊັ່ນກັນ... ນັ້ນບໍ່ແມ່ນໄຊຊະນະ. ນັ້ນແມ່ນບັນຫາທີ່ໜ້າສົນໃຈ.

ອະນາຄົດຈະເປັນແນວໃດ (ໂດຍບໍ່ມີລະຄອນວິທະຍາສາດ) 🔮

ຢ່າທຳທ່າວ່າບໍ່ມີຫຍັງຈະປ່ຽນແປງ. ມັນຈະປ່ຽນແປງ. ແຕ່ເລື່ອງລາວກ່ຽວກັບ "ຈຸດຈົບຂອງນັກຂຽນໂປຣແກຣມ" ນັ້ນງ່າຍດາຍເກີນໄປ.

ມີແນວໂນ້ມຫຼາຍກວ່າ:

• ບົດບາດການປ້ອນລະຫັດບໍລິສຸດໜ້ອຍລົງ

• ບົດບາດປະສົມປະສານຫຼາຍຂຶ້ນ (ການຂຽນໂປຣແກຣມ + ການກວດສອບ + ການວິເຄາະ + ການປະຕິບັດຕາມ)

• ທີມງານຂຽນໂປຣແກຣມກາຍເປັນທີມງານທີ່ມີຄຸນນະພາບຂໍ້ມູນ

• ຄວາມຊື່ສັດຂອງເອກະສານກາຍເປັນເລື່ອງໃຫຍ່ກວ່າ

• AI ກາຍເປັນເພື່ອນຮ່ວມງານມາດຕະຖານທີ່ ທ່ານເບິ່ງແຍງ, ບໍ່ວ່າຈະມັກຫຼືບໍ່ມັກ (NIST AI RMF 1.0, OIG – ຄຳແນະນຳໂຄງການປະຕິບັດຕາມມາດຕະຖານທົ່ວໄປ)

ແລະແມ່ນແລ້ວ, ບາງວຽກຈະຖືກຫຼຸດລົງໃນບາງສະຖານະການ. ສ່ວນນັ້ນແມ່ນເລື່ອງຈິງ. ແຕ່ການດູແລສຸຂະພາບມັກກົດລະບຽບ, ການປ່ຽນແປງ, ຂໍ້ຍົກເວັ້ນ, ແລະເອກະສານ. AI ສາມາດຈັດການໄດ້ຫຼາຍຢ່າງ... ແຕ່ການດູແລສຸຂະພາບມີພອນສະຫວັນໃນການປະດິດຄວາມສັບສົນໃໝ່ໆ, ຄືກັບວ່າມັນເປັນວຽກອະດິເລກ.

ການລົງຈອດຂອງຍົນ: AI ຈະທົດແທນຜູ້ຂຽນລະຫັດທາງການແພດບໍ? 🧡

ໃຫ້ພວກເຮົາລົງຈອດເຮືອບິນລຳນີ້ກັນເທາະ.

AI ຈະທົດແທນຜູ້ຂຽນລະຫັດທາງການແພດບໍ? ບໍ່ແມ່ນໃນແບບທີ່ສະອາດ, ສົມບູນແບບ, ແລະ ວິທະຍາສາດທີ່ຄົນເຮົາບອກເປັນນัย. AI ຈະຫຼຸດຜ່ອນວຽກງານທີ່ຊໍ້າຊ້ອນຢ່າງແທ້ຈິງ, ເລັ່ງການຂຽນລະຫັດປົກກະຕິ, ແລະ ກົດດັນໃຫ້ອົງກອນຕ່າງໆຈັດລະບຽບທີມງານຄືນໃໝ່. ມັນຍັງຈະສ້າງຄວາມຕ້ອງການເພີ່ມເຕີມສຳລັບການກວດສອບ, ການກວດສອບ, ການປ້ອງກັນການປະຕິບັດຕາມ, ຍຸດທະສາດການປະຕິເສດ, ແລະ ວຽກງານຄວາມສົມບູນຂອງເອກະສານ. (AHIMA – ຊຸດເຄື່ອງມືການຂຽນລະຫັດດ້ວຍຄອມພິວເຕີ, OIG – ຄຳແນະນຳໂຄງການປະຕິບັດຕາມທົ່ວໄປ)

ສະຫຼຸບໂດຍຫຍໍ້ 🧾

• AI ຈະທົດແທນ ສ່ວນຕ່າງໆຂອງວຽກງານການຂຽນໂປຣແກຣມ ຫຼາຍກວ່າທີ່ຈະທົດແທນຜູ້ຂຽນໂປຣແກຣມ

• ການຂຽນລະຫັດ “ບໍ່ຕ້ອງສຳຜັດ” ເຮັດວຽກໄດ້ດີທີ່ສຸດໃນກໍລະນີທີ່ແຄບ, ສະອາດ ແລະ ຊ້ຳໆ (AHIMA – ຊຸດເຄື່ອງມືການຂຽນລະຫັດດ້ວຍຄອມພິວເຕີ)

• ການເຂົ້າລະຫັດທີ່ສັບສົນຍັງຕ້ອງການການຕັດສິນໃຈ ແລະ ຄວາມຮັບຜິດຊອບຂອງມະນຸດ (ຄຳແນະນຳການເຂົ້າລະຫັດ ICD-10-CM ຂອງ CMS FY 2026, CMS MLN909160 – ຂໍ້ກຳນົດເອກະສານບັນທຶກທາງການແພດ)

• ເສັ້ນທາງທີ່ປອດໄພທີ່ສຸດແມ່ນການຕິດຕາມດ້ວຍມະນຸດ ພ້ອມດ້ວຍຮ່ອງຮອຍການກວດສອບທີ່ເຂັ້ມແຂງ (NIST AI RMF 1.0)

• ນັກຂຽນໂປຣແກຣມທີ່ເຕີບໃຫຍ່ຂຶ້ນສູ່ການກວດສອບ, ການປະຕິບັດຕາມ, CDI, ນະໂຍບາຍຜູ້ຈ່າຍເງິນ, ແລະ ຄວາມຊ່ຽວຊານພິເສດຈະກາຍເປັນທີ່ມີຄຸນຄ່າຫຼາຍຂຶ້ນ (OIG – ຄຳແນະນຳໂຄງການປະຕິບັດຕາມທົ່ວໄປ, ໂຄງການ CMS CERT)

ນອກຈາກນັ້ນ, ເພື່ອໃຫ້ກົງໄປກົງມາ... ຖ້າ AI ເຄີຍ "ທົດແທນ" ການຂຽນລະຫັດຢ່າງສົມບູນແທ້ໆ, ມັນຈະເປັນຍ້ອນວ່າເອກະສານໄດ້ກາຍເປັນທີ່ສົມບູນແບບ. ແລະນັ້ນແມ່ນສິ່ງທີ່ບໍ່ເປັນຈິງທີ່ສຸດທີ່ຂ້ອຍເວົ້າມາໝົດມື້ 😂 (CMS MLN909160 – ຂໍ້ກຳນົດເອກະສານບັນທຶກທາງການແພດ)

ຕົວຢ່າງໃນໂລກຕົວຈິງ: ການສ້າງຂະບວນການຂຽນໂປຣແກຣມຄົນເຈັບນອກດ້ວຍ AI 🧪

ສະຖານະການ

ລອງນຶກພາບເບິ່ງຄລີນິກນອກຂະໜາດກາງທີ່ກຳລັງຈັດການກວດສຸຂະພາບຂັ້ນຕົ້ນ, ພະຍາດຫົວໃຈ, ແລະ ກະດູກຢ່າງຕໍ່ເນື່ອງ. ທີມງານຂຽນລະຫັດບໍ່ໄດ້ພະຍາຍາມທົດແທນຜູ້ຂຽນລະຫັດ. ພວກເຂົາກຳລັງພະຍາຍາມຫຼຸດຜ່ອນວຽກງານເລື່ອນທີ່ໜ້າເບື່ອ: ການຊອກຫາການປະເມີນຂອງຜູ້ໃຫ້ບໍລິການ, ການກວດສອບວ່າເອກະສານດ້ານຫຼັງໄດ້ຖືກບັນທຶກໄວ້ຫຼືບໍ່, ການກວດພົບຄວາມຈຳເພາະທີ່ຂາດຫາຍໄປ, ແລະ ການກວດພົບບັນຫາການດັດແປງ ຫຼື ບັນຫາຄວາມຈຳເປັນທາງການແພດທີ່ຊັດເຈນກ່ອນທີ່ຈະມີການຮຽກຮ້ອງ.

ໃນສະຖານະການຕົວຢ່າງນີ້, AI ຖືກນໍາໃຊ້ເປັນຜູ້ຊ່ວຍຜ່ານຄັ້ງທຳອິດ. ມັນທົບທວນບັນທຶກການພົບປະ, ແນະນໍາລະຫັດ ICD-10-CM ແລະ CPT ທີ່ເປັນໄປໄດ້, ເນັ້ນຂໍ້ຄວາມບັນທຶກທີ່ແນ່ນອນທີ່ສະຫນັບສະຫນູນແຕ່ລະຄໍາແນະນໍາ, ແລະ ລາຍງານທຸກຢ່າງທີ່ຕ້ອງການການຕັດສິນໃຈຂອງມະນຸດ.

ຜູ້ຂຽນລະຫັດຍັງເປັນຜູ້ຕັດສິນໃຈສຸດທ້າຍ. ບໍ່ມີການຍື່ນຄຳຮ້ອງໂດຍອັດຕະໂນມັດ. ບໍ່ມີການປະທັບຕາແບບ “AI ເວົ້າແນວນັ້ນ”. ໜ້າເບື່ອບໍ? ອາດຈະແມ່ນ. ປອດໄພກວ່າບໍ? ແນ່ນອນ.

ສິ່ງທີ່ຜູ້ຊ່ວຍຕ້ອງການ

ຜູ້ຊ່ວຍຂຽນໂປຣແກຣມ AI ທີ່ໃຊ້ໄດ້ຈິງຈະຕ້ອງມີ:

• ບັນທຶກການພົບປະຄົນເຈັບນອກທີ່ຜ່ານມາທີ່ມີຕົວລະບຸຄົນເຈັບຖືກລຶບອອກເພື່ອກວດ

• ເອກະສານອ້າງອີງນະໂຍບາຍ ICD-10-CM, CPT, HCPCS, NCCI ແລະ ຜູ້ຈ່າຍເງິນໃນປະຈຸບັນ

• ຕົວຢ່າງຂອງການພົບປະທີ່ຖືກລະຫັດທີ່ຍອມຮັບກ່ອນໜ້ານີ້

• ຕົວຢ່າງຂອງການຮຽກຮ້ອງທີ່ຖືກປະຕິເສດ ຫຼື ແກ້ໄຂ

• ເກນຄວາມໝັ້ນໃຈທີ່ຊັດເຈນ ເຊັ່ນ “ສົ່ງສິ່ງໃດກໍຕາມທີ່ມີຄວາມໝັ້ນໃຈຕ່ຳກວ່າ 85% ໄປຫາການກວດສອບຈາກມະນຸດຢ່າງຄົບຖ້ວນ”

• ກົດລະບຽບທີ່ຜູ້ຊ່ວຍຕ້ອງອ້າງອີງ ຫຼື ຊີ້ໄປທີ່ເອກະສານສະໜັບສະໜູນກ່ອນທີ່ຈະແນະນຳລະຫັດ

• ຂະບວນການຄຳຕິຊົມຂອງຜູ້ຂຽນໂປຣແກຣມສຳລັບຄຳແນະນຳທີ່ຍອມຮັບ, ປະຕິເສດ ແລະ ດັດແກ້

ກຸນແຈບໍ່ພຽງແຕ່ໃຫ້ມັນຟັງເທົ່ານັ້ນ. ກຸນແຈແມ່ນການສອນມັນວ່າຄຳວ່າ "ປ້ອງກັນໄດ້" ມີລັກສະນະແນວໃດ.

ຕົວຢ່າງຄຳແນະນຳ

ທ່ານກຳລັງຊ່ວຍຜູ້ຂຽນໂປຣແກຣມທາງການແພດທີ່ໄດ້ຮັບການຮັບຮອງໃນການເຂົ້າລະຫັດຄ່າທຳນຽມວິຊາຊີບສຳລັບຄົນເຈັບນອກ. ກວດສອບບັນທຶກການພົບປະ ແລະ ແນະນຳຕົວເລືອກ ICD-10-CM, CPT, HCPCS, ແລະ ຕົວແກ້ໄຂທີ່ເປັນໄປໄດ້ເທົ່ານັ້ນເມື່ອເອກະສານສະໜັບສະໜູນ. ສຳລັບແຕ່ລະຄຳແນະນຳ, ໃຫ້ສະແດງປະໂຫຍກສະໜັບສະໜູນຈາກບັນທຶກ, ອະທິບາຍເຫດຜົນການເຂົ້າລະຫັດຢ່າງຊັດເຈນ, ແລະ ລາຍງານຄວາມຈຳເພາະ, ຄວາມບໍ່ແນ່ນອນ, ຄວາມກັງວົນກ່ຽວກັບນະໂຍບາຍຜູ້ຈ່າຍເງິນ, ຫຼື ຊ່ອງຫວ່າງຂອງເອກະສານທີ່ຂາດຫາຍໄປ. ຢ່າສະຫຼຸບການຮຽກຮ້ອງ. ໝາຍແຕ່ລະລາຍການເປັນຄວາມໝັ້ນໃຈຕ່ຳ, ກາງ, ຫຼື ສູງ. ການວິນິດໄສທີ່ບໍ່ແນ່ນອນ, ຂັ້ນຕອນທີ່ບໍ່ຊັດເຈນ, ຄວາມຜິດປົກກະຕິທີ່ຂາດຫາຍໄປ, ຫຼື ຄວາມຈຳເປັນທາງການແພດທີ່ບໍ່ໄດ້ຮັບການສະໜັບສະໜູນ ຕ້ອງໄດ້ຮັບການສົ່ງຕໍ່ໃຫ້ການກວດສອບໂດຍມະນຸດ.

ວິທີການທົດສອບມັນ

ເລີ່ມຕົ້ນດ້ວຍການພົບປະຄົນເຈັບນອກທີ່ໄດ້ລະຫັດໄວ້ແລ້ວ 30 ຄັ້ງ, ແບ່ງອອກເປັນກໍລະນີງ່າຍໆ, ປານກາງ ແລະ ສະລັບສັບຊ້ອນ.

ຄຳຖາມທົດສອບອາດຈະປະກອບມີ:

• ຜູ້ຊ່ວຍສາມາດຊອກຫາການຊ່ວຍເຫຼືອການວິນິດໄສໂດຍບໍ່ຕ້ອງປະດິດລາຍລະອຽດທີ່ຂາດຫາຍໄປໄດ້ບໍ?

• ມັນໝາຍເຖິງການບົ່ງມະຕິ "ເປັນໄປໄດ້", "ຍົກເວັ້ນ" ຫຼື "ສົງໃສ" ຢ່າງຖືກຕ້ອງບໍ?

• ມັນກວດພົບວ່າມີການຫາຍໄປຂອງຄວາມໂຄ້ງຂອງກະດູກບໍ?

• ມັນອະທິບາຍໄດ້ບໍ່ວ່າເປັນຫຍັງຕົວດັດແປງອາດຈະຈຳເປັນແທນທີ່ຈະພຽງແຕ່ແນະນຳຕົວດັດແປງ?

• ມັນໄດ້ລະບຸເວລາທີ່ເອກະສານບໍ່ຮອງຮັບລະດັບ E/M ທີ່ເລືອກບໍ?

• ມັນເຮັດໃຫ້ກໍລະນີທີ່ບໍ່ຊັດເຈນຮ້າຍແຮງຂຶ້ນແທນທີ່ຈະບັງຄັບໃຫ້ມີຄຳຕອບທີ່ໝັ້ນໃຈບໍ?

ການທົດສອບທີ່ມີຄຸນຄ່າແມ່ນການປຽບທຽບສາມຮຸ່ນຂອງຕາຕະລາງດຽວກັນ: ໜຶ່ງຮຸ່ນສະອາດ, ໜຶ່ງຮຸ່ນຂາດປະໂຫຍກສຳຄັນ, ແລະອີກຮຸ່ນໜຶ່ງທີ່ມີເອກະສານທີ່ຂັດແຍ້ງກັນ. ເມື່ອ AI ໃຫ້ຄຳຕອບດຽວກັນສຳລັບທັງສາມຮຸ່ນ, ມັນຍັງບໍ່ພ້ອມ.

ຜົນໄດ້ຮັບ

ຜົນໄດ້ຮັບຕົວຢ່າງ: ອີງຕາມໄລຍະເວລາການພົບປະກັນຄົນເຈັບນອກ 30 ຕົວຢ່າງກ່ອນ ແລະ ຫຼັງການນຳໃຊ້ຂັ້ນຕອນການເຮັດວຽກ.

ກ່ອນການສະໜັບສະໜູນ AI, ຜູ້ຂຽນໂປຣແກຣມໃຊ້ເວລາສະເລ່ຍ 7 ນາທີຕໍ່ຄັ້ງຕໍ່ຄັ້ງໃນການທົບທວນ, ການຢືນຢັນລະຫັດ, ແລະ ການກວດສອບເອກະສານ. ດ້ວຍການເນັ້ນຫຼັກຖານຂອງ AI ແລະ ການແນະນຳຜ່ານຄັ້ງທຳອິດ, ໄລຍະເວລາດັ່ງກ່າວໄດ້ຫຼຸດລົງເຫຼືອ 4 ນາທີຕໍ່ຄັ້ງ.

ນັ້ນເທົ່າກັບ:

• ປະຫຍັດເວລາໄດ້ 90 ນາທີຈາກ 30 ການພົບກັນ

• ປະຫຍັດໄດ້ 3 ນາທີຕໍ່ຕາຕະລາງປະຈຳວັນ

• 0 ຕາຕະລາງຖືກສົ່ງໂດຍອັດຕະໂນມັດໂດຍບໍ່ມີການທົບທວນຂອງຜູ້ຂຽນໂປຣແກຣມ

• ການພົບປະ 5 ຄັ້ງໄດ້ເພີ່ມຂຶ້ນ ເນື່ອງຈາກ AI ພົບວ່າບໍ່ມີຄວາມຜິດປົກກະຕິທາງດ້ານຂ້າງ, ສະຖານະການວິນິດໄສທີ່ບໍ່ຊັດເຈນ, ຫຼື ການສະໜັບສະໜູນດ້ານຄວາມຈຳເປັນທາງການແພດທີ່ອ່ອນແອ

• ຄຳແນະນຳ AI 2 ຢ່າງຖືກປະຕິເສດ ເນື່ອງຈາກເອກະສານສະໜັບສະໜູນບໍ່ແຂງແຮງພຽງພໍ

ຕົວຊີ້ວັດທີ່ມີຄຸນຄ່າທີ່ສຸດຢູ່ທີ່ນີ້ບໍ່ແມ່ນ "ຄວາມຖືກຕ້ອງຂອງ AI" ດ້ວຍຕົວມັນເອງ. ມັນແມ່ນຄຳແນະນຳທີ່ຜູ້ຂຽນໂປຣແກຣມຍອມຮັບຫຼັງຈາກການທົບທວນຄືນ. ໃນການທົດສອບນີ້, 23 ຈາກ 30 ປະສົບການມີການຍອມຮັບຢ່າງໜ້ອຍໜຶ່ງຄຳແນະນຳຂອງ AI, ແຕ່ມີພຽງ 18 ຢ່າງເທົ່ານັ້ນທີ່ຍອມຮັບໂດຍບໍ່ມີການປ່ຽນແປງລະຫັດ. ຄວາມແຕກຕ່າງນັ້ນມີຄວາມສຳຄັນ.

ມີຫຍັງຜິດພາດໄດ້ແດ່

ຄວາມສ່ຽງທີ່ໃຫຍ່ທີ່ສຸດແມ່ນການຍອມຮັບແບບບໍ່ເຫັນແກ່ຕົວ. ເມື່ອນັກຂຽນໂປຣແກຣມເລີ່ມຄລິກ “ຍອມຮັບ” ເພາະວ່າເຄື່ອງມືຟັງແລ້ວມີຄວາມໝັ້ນໃຈ, ຂະບວນການເຮັດວຽກຈະກາຍເປັນບັນຫາການປະຕິບັດຕາມກົດລະບຽບໂດຍໃສ່ໝວກຜະລິດຕະພາບ. 🎩

ຄວາມຜິດພາດທົ່ວໄປອື່ນໆລວມມີ:

• ການໃຫ້ AI ອະນຸມານການວິນິດໄສຈາກຫ້ອງທົດລອງ ຫຼື ຢາເທົ່ານັ້ນ

• ການໃຊ້ກົດລະບຽບຂອງຜູ້ຈ່າຍເງິນທີ່ລ້າສະໄໝ

• ບໍ່ສົນໃຈຄຳເຕືອນທີ່ມີຄວາມໝັ້ນໃຈຕ່ຳ ເພາະວ່າຄິວການຮຽກຮ້ອງຖືກສຳຮອງໄວ້ແລ້ວ

• ການວັດແທກຄວາມໄວເທົ່ານັ້ນ, ບໍ່ແມ່ນການປະຕິເສດ ຫຼື ຜົນການກວດສອບ

• ບໍ່ສາມາດບັນທຶກວ່າເປັນຫຍັງຜູ້ຂຽນໂປຣແກຣມຈຶ່ງປ່ຽນແປງ ຫຼື ປະຕິເສດຄຳແນະນຳ AI

• ການປະຕິບັດຕໍ່ຜົນການທົດສອບທີ່ສະອາດເປັນຫຼັກຖານທີ່ສະແດງໃຫ້ເຫັນວ່າລະບົບສາມາດຈັດການກັບຕາຕະລາງຄົນເຈັບນອກທີ່ສັບສົນໄດ້

ການຕັ້ງຄ່າທີ່ປອດໄພກວ່າເຮັດໃຫ້ AI ຢູ່ໃນຊ່ອງທາງຜູ້ຊ່ວຍ: ແນະນຳ, ສະແດງຫຼັກຖານ, ອະທິບາຍຄວາມບໍ່ແນ່ນອນ, ແລະ ຍົກລະດັບຄວາມຮັບຮູ້.

ເອົາໄປໃຊ້ຕົວຈິງ

ການນໍາໃຊ້ AI ທີ່ດີທີ່ສຸດໃນການຂຽນລະຫັດທາງການແພດບໍ່ແມ່ນ "ປ່ອຍໃຫ້ເຄື່ອງຈັກຂຽນລະຫັດທຸກຢ່າງ." ມັນແມ່ນ "ເຮັດໃຫ້ການທົບທວນຂອງຜູ້ຂຽນລະຫັດຄົມຊັດ ແລະ ໄວຂຶ້ນ." ເມື່ອຂະບວນການເຮັດວຽກຊ່ວຍປະຢັດເວລາໄດ້ສາມນາທີຕໍ່ຕາຕະລາງປົກກະຕິ ໃນຂະນະທີ່ກວດສອບຊ່ອງຫວ່າງຂອງເອກະສານກ່ອນການຮຽກເກັບເງິນ, ສິ່ງນັ້ນມີຄຸນຄ່າທີ່ແທ້ຈິງ. ແຕ່ຄຸນຄ່າຈະຍັງຄົງຢູ່ພຽງແຕ່ເມື່ອມະນຸດຍັງເປັນເຈົ້າຂອງການຕັດສິນ, ຮ່ອງຮອຍການກວດສອບ, ແລະ ການຕັດສິນໃຈສຸດທ້າຍ.

ຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆ

AI ຈະທົດແທນຜູ້ຂຽນໂປຣແກຣມທາງການແພດຢ່າງສິ້ນເຊີງໃນອີກສອງສາມປີຂ້າງໜ້າບໍ?

ປັນຍາປະດິດ (AI) ບໍ່น่าຈະທົດແທນຜູ້ຂຽນໂປຣແກຣມທາງການແພດໄດ້ຢ່າງສົມບູນໃນໄລຍະໃກ້ນີ້. ການຈັດຕັ້ງປະຕິບັດໃນໂລກຕົວຈິງສ່ວນໃຫຍ່ແມ່ນສຸມໃສ່ການຊ່ວຍເຫຼືອວຽກງານປະຈຳວັນທີ່ມີປະລິມານສູງແທນທີ່ຈະລົບລ້າງບົດບາດດັ່ງກ່າວອອກຢ່າງສິ້ນເຊີງ. ການຂຽນໂປຣແກຣມຍັງຮຽກຮ້ອງໃຫ້ມີການຕັດສິນ, ການຕີຄວາມໝາຍແນວທາງ, ແລະ ການຮັບຮູ້ການປະຕິບັດຕາມກົດລະບຽບ. ໃນທາງປະຕິບັດ, ປັນຍາປະດິດປ່ຽນວິທີການເຮັດວຽກຂອງຜູ້ຂຽນໂປຣແກຣມຫຼາຍກວ່າວ່າຕ້ອງການຜູ້ຂຽນໂປຣແກຣມຫຼືບໍ່.

ປະຈຸບັນ, AI ຖືກນຳໃຊ້ແນວໃດໃນຂະບວນການເຮັດວຽກກ່ຽວກັບການຂຽນໂປຣແກຣມທາງການແພດ?

AI ມັກຖືກນຳໃຊ້ເພື່ອແນະນຳລະຫັດ, ເອກະສານທີ່ກ່ຽວຂ້ອງ, ຄວາມຈຳເພາະທີ່ຂາດຫາຍໄປຂອງທຸງ, ແລະ ຕາຕະລາງການຈັດລຽງຕາມຄວາມຊັບຊ້ອນ. ລະບົບຫຼາຍລະບົບດຳເນີນການໃນຮູບແບບທີ່ມະນຸດຢູ່ໃນວົງຈອນທີ່ຜູ້ຂຽນໂປຣແກຣມກວດສອບ, ປັບປ່ຽນ, ຫຼື ປະຕິເສດຄຳແນະນຳຂອງ AI. ສິ່ງນີ້ຊ່ວຍປັບປຸງຄວາມໄວໂດຍບໍ່ຕ້ອງໂອນຄວາມຮັບຜິດຊອບ. ການຕິດຕາມກວດກາຍັງຄົງເປັນສິ່ງຈຳເປັນສຳລັບການປະຕິບັດຕາມ ແລະ ຄວາມຖືກຕ້ອງ.

ສ່ວນໃດຂອງການຂຽນໂປຣແກຣມທາງການແພດທີ່ງ່າຍທີ່ສຸດສຳລັບ AI ໃນການອັດຕະໂນມັດ?

AI ເຮັດວຽກໄດ້ດີທີ່ສຸດກັບການພົບປະທີ່ຊ້ຳໆ ແລະ ມີເອກະສານຄົບຖ້ວນ ເຊັ່ນ: ການໄປພົບແພດນອກໂຮງໝໍເປັນປະຈຳ ຫຼື ບົດລາຍງານພິເສດທີ່ມີໂຄງສ້າງ. ສະຖານະການປະລິມານສູງທີ່ສ້າງຂຶ້ນໃນແມ່ແບບທີ່ສອດຄ່ອງກັນແມ່ນງ່າຍຕໍ່ການອັດຕະໂນມັດ. ການຄົ້ນຫາລະຫັດ, ການເນັ້ນຫຼັກຖານ ແລະ ການກວດຫາຮູບແບບການປະຕິເສດຂັ້ນພື້ນຖານມັກຈະເປັນກໍລະນີການນຳໃຊ້ທີ່ເຂັ້ມແຂງ. ການຕັດສິນທາງດ້ານຄລີນິກທີ່ສັບສົນຍັງຄົງເປັນສິ່ງທ້າທາຍ.

ເປັນຫຍັງ AI ຈຶ່ງມີບັນຫາກັບບັນທຶກທາງການແພດທີ່ສັບສົນ ຫຼື ບໍ່ຊັດເຈນ?

ເອກະສານທາງດ້ານຄລີນິກມັກຈະມີຄວາມບໍ່ແນ່ນອນ, ການວິນິດໄສທີ່ຂັດແຍ້ງກັນ, ແລະ ພາສາທີ່ບໍ່ຊັດເຈນ. AI ສາມາດອ່ານຄຳອະທິບາຍທີ່ຜິດພາດເຊັ່ນ “ເປັນໄປໄດ້” ຫຼື “ຍົກເວັ້ນ” ເປັນເງື່ອນໄຂທີ່ຢືນຢັນແລ້ວ. ມັນຍັງສາມາດພາດປະໂຫຍກສຳຄັນອັນດຽວທີ່ປ່ຽນແປງລຳດັບ ຫຼື ຄວາມຮຸນແຮງ. ຄວາມແຕກຕ່າງເຫຼົ່ານີ້ແມ່ນຈຸດໃຈກາງຂອງການຂຽນໂປຣແກຣມທີ່ສອດຄ່ອງກັບກົດລະບຽບ ແລະ ຍາກທີ່ຈະເຮັດໃຫ້ເປັນອັດຕະໂນມັດຢ່າງປອດໄພ.

AI ຈະຫຼຸດຜ່ອນຈຳນວນວຽກງານການຂຽນໂປຣແກຣມທາງການແພດລະດັບເລີ່ມຕົ້ນບໍ?

ບົດບາດລະດັບເລີ່ມຕົ້ນອາດຈະຮູ້ສຶກກົດດັນກ່ອນ ຍ້ອນວ່າວຽກງານປົກກະຕິກາຍເປັນອັດຕະໂນມັດຫຼາຍຂຶ້ນ. ບາງອົງກອນອາດຈະເຮັດໃຫ້ການຈ້າງງານຊ້າລົງ, ໃນຂະນະທີ່ບາງອົງກອນປ່ຽນນັກຂຽນໂປຣແກຣມລະດັບນ້ອຍໄປສູ່ບົດບາດສະໜັບສະໜູນການກວດສອບ ຫຼື ບົດບາດດ້ານຄຸນນະພາບ. ຜົນກະທົບແຕກຕ່າງກັນໄປຕາມອົງກອນ ແລະ ສາຍການບໍລິການ. ເສັ້ນທາງອາຊີບອາດຈະບິດເບືອນ ແລະ ປັບປ່ຽນໃໝ່ແທນທີ່ຈະຫາຍໄປ.

AI ສົ່ງຜົນກະທົບຕໍ່ຄວາມສ່ຽງດ້ານການປະຕິບັດຕາມ ແລະ ການກວດສອບໃນການເຂົ້າລະຫັດທາງການແພດແນວໃດ?

ປັນຍາປະດິດ (AI) ສາມາດເພີ່ມທັງຄວາມໄວ ແລະ ຄວາມສ່ຽງເມື່ອການຄຸ້ມຄອງອ່ອນແອ. ການຂຽນໂປຣແກຣມທີ່ໄວຂຶ້ນໂດຍບໍ່ມີຂະບວນການທົບທວນທີ່ຍືນຍົງອາດຈະເພີ່ມອັດຕາການປະຕິເສດ ຫຼື ການເປີດເຜີຍການກວດສອບ. ທີມງານປະຕິບັດຕາມກົດລະບຽບຍັງຕ້ອງການເຫດຜົນທີ່ສາມາດຕິດຕາມໄດ້ ແລະ ການຕັດສິນໃຈທີ່ສາມາດປ້ອງກັນໄດ້. ການທົບທວນຂອງມະນຸດ, ຮ່ອງຮອຍການກວດສອບ ແລະ ຄວາມຮັບຜິດຊອບທີ່ຊັດເຈນຍັງຄົງເປັນມາດຕະການປ້ອງກັນທີ່ສຳຄັນ.

ທັກສະອັນໃດທີ່ຊ່ວຍໃຫ້ນັກຂຽນໂປຣແກຣມທາງການແພດມີຄຸນຄ່າໃນສະພາບແວດລ້ອມທີ່ AI ຊ່ວຍ?

ທັກສະທີ່ກ່ຽວຂ້ອງກັບການກວດສອບ, ການຕີຄວາມໝາຍແນວທາງ, ການວິເຄາະນະໂຍບາຍຜູ້ຈ່າຍເງິນ, ແລະ ການຄຸ້ມຄອງການປະຕິເສດມັກຈະມີອາຍຸຍືນຍາວ. ຜູ້ຂຽນໂປຣແກຣມທີ່ເຂົ້າໃຈວ່າເປັນຫຍັງລະຫັດຈຶ່ງຖືກຕ້ອງ, ບໍ່ພຽງແຕ່ລະຫັດທີ່ຈະເລືອກ, ແມ່ນຍາກທີ່ຈະທົດແທນ. ຄວາມຊ່ຽວຊານພິເສດ ແລະ ການຮ່ວມມືຂອງ CDI ຍັງເພີ່ມມູນຄ່າ. ບົດບາດຫຼາຍຢ່າງເຄື່ອນຍ້າຍໄປສູ່ຄຸນນະພາບ ແລະ ການຄຸ້ມຄອງ.

ການເຂົ້າລະຫັດທາງການແພດແບບ “ບໍ່ຕ້ອງສຳຜັດ” ເປັນຈິງສຳລັບອົງກອນສ່ວນໃຫຍ່ບໍ?

ການຂຽນລະຫັດແບບບໍ່ຕ້ອງສຳຜັດສາມາດໃຊ້ໄດ້ກັບກໍລະນີທີ່ແຄບ ແລະ ງ່າຍດາຍດ້ວຍເອກະສານທີ່ສະອາດ. ສຳລັບກໍລະນີຄົນເຈັບທີ່ສັບສົນ ຫຼື ການພົບພໍ້ກັບຫຼາຍສະພາບ, ມັນມັກຈະບໍ່ປະສົບຜົນສຳເລັດ. ອົງກອນສ່ວນໃຫຍ່ເຫັນຜົນໄດ້ຮັບທີ່ເຂັ້ມແຂງກວ່າດ້ວຍຂັ້ນຕອນການເຮັດວຽກແບບປະສົມ. ການອັດຕະໂນມັດເຕັມຮູບແບບມັກຈະເພີ່ມຄວາມຕ້ອງການສຳລັບການກວດສອບ ແລະ ການແກ້ໄຂຕາມລຳດັບຕໍ່ໄປແທນທີ່ຈະລົບລ້າງວຽກງານ.

ເອກະສານອ້າງອີງ

1. ຫ້ອງການຜູ້ກວດກາໃຫຍ່ (OIG), ກະຊວງສາທາລະນະສຸກ ແລະ ບໍລິການມະນຸດສະຫະລັດ - ຄຳແນະນຳກ່ຽວກັບໂຄງການປະຕິບັດຕາມກົດລະບຽບທົ່ວໄປ - oig.hhs.gov

2. ສະຖາບັນມາດຕະຖານ ແລະ ເຕັກໂນໂລຊີແຫ່ງຊາດ (NIST) - ຂອບການຄຸ້ມຄອງຄວາມສ່ຽງດ້ານ AI (AI RMF 1.0) - nist.gov

3. ສະຖາບັນມາດຕະຖານ ແລະ ເຕັກໂນໂລຊີແຫ່ງຊາດ (NIST) - ໂປຣໄຟລ໌ AI ທີ່ສ້າງສັນ (NIST AI 600-1) - nist.gov

4. ສູນບໍລິການ Medicare ແລະ Medicaid (CMS) - ຂໍ້ກຳນົດເອກະສານບັນທຶກທາງການແພດ (MLN909160) - cms.gov

5. ສູນບໍລິການ Medicare ແລະ Medicaid (CMS) - ຄຳແນະນຳກ່ຽວກັບການເຂົ້າລະຫັດ ICD-10-CM ສຳລັບປີງົບປະມານ 2026 - cms.gov

6. ສູນບໍລິການ Medicare ແລະ Medicaid (CMS) - ການແກ້ໄຂການລິເລີ່ມການເຂົ້າລະຫັດທີ່ຖືກຕ້ອງແຫ່ງຊາດ (NCCI) - cms.gov

7. ສະມາຄົມການຄຸ້ມຄອງຂໍ້ມູນຂ່າວສານສຸຂະພາບອາເມລິກາ (AHIMA) - ຊຸດເຄື່ອງມືການຂຽນລະຫັດດ້ວຍຄອມພິວເຕີ - ahima.org

8. ສູນບໍລິການ Medicare ແລະ Medicaid (CMS) - ໂຄງການທົດສອບອັດຕາຄວາມຜິດພາດທີ່ສົມບູນແບບ (CERT) - cms.gov

9. ສູນບໍລິການ Medicare ແລະ Medicaid (CMS) - ການປະເມີນຜົນ ແລະ ການບໍລິການຄຸ້ມຄອງ (MLN006764) - cms.gov

10. ຫ້ອງການຮັບຜິດຊອບຂອງລັດຖະບານສະຫະລັດ (GAO) - GAO-19-277 - gao.gov

11. ສູນບໍລິການ Medicare ແລະ Medicaid (CMS) - ການປັບຄວາມສ່ຽງ - cms.gov

ຊອກຫາ AI ລ່າສຸດໄດ້ທີ່ຮ້ານ AI Assistant ຢ່າງເປັນທາງການ

ກ່ຽວກັບພວກເຮົາ