فناوری Aesop ابزار CDI را برای کمک به جلوگیری از خطاهای پرونده بیمار راه اندازی می کند

به گزارش دپارتمان اخبار پزشکی پایگاه خبری آبان نیوز ،

استارت‌آپ هوش مصنوعی پزشکی Aesop Technology مستقر در کالیفرنیا، که دفتر تحقیق و توسعه در تایوان دارد، اخیراً از آخرین ابزار بهبود اسناد بالینی خود رونمایی کرده است که به کدنویس‌ها کمک می‌کند تشخیص‌ها یا روش‌های کدگذاری نادرست را شناسایی کنند.

DxPrime پیشنهادهایی برای پشتیبانی از ورود داده های پزشکی ارائه می دهد. ابزار CDI مبتنی بر یک مدل یادگیری ماشینی است که بر اساس مجموعه داده‌هایی از حدود 3.2 میلیارد بازدید از بیمار آموزش داده شده است.

طبق فناوری Aesop، آخرین راه‌حل آن‌ها برای کدنویسی پزشکی از هوش مصنوعی استفاده می‌کند تا “به طور موثر ضعف‌های CDSS و NLP سنتی را برای یافتن تشخیص‌های درست یا اشتباه جبران کند”.

چرا مهم است

DxPrime که اکنون در کتابخانه Olive Library در بازار دیجیتال موجود است، اطلاعاتی را در مورد تشخیص‌ها یا روش‌های گمشده و کدگذاری اشتباه ارائه می‌کند تا به راحتی نمودارهای بیماران را تصحیح کند.

ازوپ ادعا می‌کند که با سوابق نادرست بیمار، دستورالعمل‌های ترخیص نادرست به بیماران داده می‌شود، بنابراین مراقبت‌های ضعیف پس از ترخیص دریافت می‌کنند. برای ارائه دهندگان، این می تواند منجر به تخمین اشتباه از مدت اقامت بیماران و ادعاهای بیمه نامه اشتباه شود، که در نهایت می تواند منجر به انکار و از دست دادن درآمد شود.

Aesop تاکید کرد که به دلیل شکاف در دانش آنها از سیستم های کدگذاری، اجتناب از خطاها در ورودی تشخیص برای پزشکان دشوار است. در حال حاضر، دهمین ویرایش طبقه‌بندی آماری بین‌المللی بیماری‌ها و مشکلات مربوط به سلامت (ICD-10) دارای 14400 بیماری در طبقه‌بندی پایه، 68000 کد تشخیص تحت ICD-10-CM و 87000 کد رویه‌ای تحت ICD-10-PCS است.

روند بزرگتر

ماه گذشته، ابزار پشتیبانی تصمیم گیری دارویی Aesop RxPrime در Olive Helps، یک پلت فرم دسکتاپ برای توسعه دهندگان IT مراقبت های بهداشتی راه اندازی شد. این راه حل داده های بیماران بستری را با استفاده از الگوهایی از نسخه ها تجزیه و تحلیل می کند و نسخه های نامناسب بالقوه را که با تشخیص بیمار مطابقت ندارد، نشان می دهد.

در اخبار دیگر، ازوپ با دانشگاه پزشکی تایپه، دانشکده پزشکی هاروارد و بیمارستان بریگام و زنان در سال گذشته برای مطالعه ای که مدل یادگیری ماشین خود را در سیستم های EHR در ایالات متحده اجرا کرد. مشخص شد که این مدل، که پیشنهادات تطبیقی ​​برای کمک به پزشکان برای تکمیل بهتر نسخه های خود ارائه می دهد، قابلیت انتقال بین المللی خوبی را نشان داده است.

در رکورد

جیم لانگ، مدیر عامل Aesop، گفت: “پزشکان، تیم CDI و کدگذاران باید زمان زیادی را صرف بررسی سوابق پزشکی کنند تا تشخیص‌های بالینی کلیدی را در میان حجم وسیعی از اطلاعات موجود بیابند. پس از آن، آنها باید یک مورد را دنبال کنند. مجموعه ای از مراحل ناکارآمد در رایانه برای تکمیل فرآیند ورودی، و عملکرد جستجو برای کدهای ICD اغلب مفید نیست. کل فرآیند پیچیده، وقت گیر و مستعد خطا است.”

او ادعا کرد که هنگام استفاده از DxPrime، پزشکان متوجه عوارض کد نادرست شدند. لانگ گفت: “با کمک به آنها در ارائه تشخیص های مناسب، شرکای ما شاهد افزایش درآمد 5 تا 10 درصدی به ازای هر بیمار بستری بوده اند.”

این خبر از خبرگزاری های بین المللی معتبر گردآوری شده است و سایت خبری آبان نیوز صرفا نمایش دهنده است. آبان نیوز در راستای موازین و قوانین جمهوری اسلامی ایران فعالیت میکند لذا چنانچه این خبر را شایسته ویرایش و یا حذف میدانید، در صفحه تماس با ما گزارش کنید.

منبع

درباره ی aban_admin

مطلب پیشنهادی

PC سابق Met می گوید که در مورد فلش قاب وین کوزنز اشتباه کرده است | وین کوزنز

به گزارش دپارتمان اخبار بین المللی پایگاه خبری آبان نیوز ، افسر سابق پلیس مت که …