2024年5月1日
人工知能は収益サイクル業務で人気のソリューションになっていますが、一部のタスクは人間の手を借りたほうがうまく完了します。マウントサイナイのアイカーン医科大学の研究では、最先端の人工知能システムである大規模言語モデルは、医療コーディングに関しては精度が限られていることがわかりました。「以前の研究では、新しい大規模言語モデルは数値タスクに苦労することが示されています」と、D3M の Generative AI 研究プログラムのディレクターである Eyal Klang 医学博士は声明で述べています。「ただし、臨床テキストから医療コードを割り当てる際の精度の範囲は、さまざまなモデル間で徹底的に調査されていませんでした。」
マウントサイナイ・アイカーン医科大学の研究によると、最先端の人工知能システムである大規模言語モデルは、医療コーディングに関しては精度が限られていることが判明した。
「これまでの研究では、新しい大規模言語モデルは数値タスクに苦労していることが示されています」と、D3M の Generative AI 研究プログラムのディレクターである Eyal Klang 医学博士は声明で述べています。「しかし、臨床テキストから医療コードを割り当てる際の精度の程度は、さまざまなモデル間で徹底的に調査されていませんでした。」
研究者らは、患者を特定できる情報を除いた 27,000 を超える固有の診断コードと処置コードを使用し、OpenAI、Google、Meta の LLM に最も正確な医療コードを作成するよう依頼しました。3 つのモデルはすべて、最初の医療コードを再現する際の精度が限られていることが示されました。
「私たちの研究結果は、医療コーディングのような機密性の高い業務分野にAI技術を導入する前に、厳格な評価と改良が極めて重要であることを強調している」と、アイカーン・マウント・サイナイ病院のデータ駆動型およびデジタル医療の助教授であるアリ・ソロウシュ医学博士は声明で述べた。
この研究結果は、医療コード作成者の雇用に苦労し、彼らを支援するためデジタル化の拡大を検討している医療システムにとっては残念なものとなるだろう。ヘンリー・フォード・ヘルスは、2023年に医療コード作成を支援するためにベッドサイドの手順にAIを統合した後、必要とする他の分野でスタッフを活用することができた。
ヘンリー・フォード・ヘルスは、2023 年に医療コーディングを支援するために AI をベッドサイドの手順に統合した後、必要とする他の部門のスタッフを活用することができました。
「ヘンリー・フォード・ヘルスの人事面の全体像について言えば、医師、医療コーダー、請求管理者の日々の作業負荷が軽減されます」とヘンリー・フォード・ヘルスの収益サイクル担当副社長、ジョアン・ファーガソン氏は以前、HealthLeaders に語っている。「コーダーの仕事の満足度を高めながら、財務および業務のパフォーマンスを向上させます。」
アイカーン・マウント・サイナイ研究所の研究論文の著者らは、AIには可能性があると主張しているが、医療分野にとって信頼性が高く効率的なソリューションとなるためには継続的な開発が必要だと警告している。
研究者らは、3 つの LLM をテストした結果、3 つとも初期の医療コードを再現する際の精度が限られていることを発見しました。
研究者たちはAIの可能性に注目しながらも、AIはさらに評価され、改良される必要があると考えている。
パクスロビッドに関する最近の研究では、「その有効性に関する確かなデータ」があることが示されていると、研究の共著者はHealthLeadersに語った。…
来年、シンシナティに新しい個人用保護具製造会社がオープンする予定です。…
ヘルスケアリーダーシップの最新情報をメールでお届けします。購読する
元記事: https://www.healthleadersmedia.com/revenue-cycle/why-revenue-cycle-cant-fully-rely-ai-coding