Ertas 助力医学编码

微调模型，根据临床文档以收入周期团队要求的准确性和特异性建议 ICD-10、CPT 和 HCPCS 编码。

The Challenge

医学编码——将临床文档翻译为标准化诊断和手术编码的过程——是医疗收入周期管理的基础。准确的编码决定了报销费率、对支付方要求的合规性和监管报告。仅 ICD-10-CM 系统就包含超过 72,000 个诊断编码，选择正确的编码需要理解临床背景、特异性要求、编码指南和支付方特定规则。编码之间的一位数差异就可能意味着清洁索赔和拒赔之间的区别。

医学编码人才面临长期短缺，美国健康信息管理协会报告数万个空缺职位。这种短缺造成积压延迟收入，增加因过度工作编码员急于处理图表而导致的错误率，并推高了对昂贵合同编码员的依赖成本。通用 AI 工具无法填补这一缺口，因为医学编码需要同时理解临床语言、应用复杂的编码指南和导航分类系统的特异性层级——通用模型不具备的领域知识组合。

The Solution

Ertas 使医疗组织能够在自己的已编码临床文档上微调 AI 模型，创建基于组织遇到的特定模式、专科和支付方要求建议适当编码的编码助手。通过 Ertas Studio，收入周期团队在临床笔记与其验证编码分配的配对上训练模型，教模型学习临床语言与编码选择之间的关系，达到其编码员实现的特异性水平。

微调后的模型作为编码助手分析临床文档并建议主要和次要编码，附带支持理由——引用证明每个编码选择合理的特定临床发现。通过 Ollama 本地部署或 Ertas Cloud 部署，模型在编码员工作时实时处理图表，展示编码员审查和批准的建议。这种人在回路的工作流保持编码准确性，同时大幅提高编码员吞吐量。Ertas Vault 确保训练和推理中使用的所有 PHI 都经过加密和访问控制，审计追踪满足 HIPAA 要求。

Key Features

Studio

临床文档训练

使用 Studio 在组织的已验证编码分配上训练编码模型。支持 ICD-10-CM/PCS、CPT、HCPCS 和自定义编码集，具有特异性级别的训练数据。

Hub

医学语言模型

从 Hub 上理解临床术语、缩写和文档模式的模型开始——减少实现准确编码建议所需的训练数据量。

Cloud

实时编码 API

通过 Cloud 部署为低延迟 API，与编码工作流和电子病历系统集成。在编码员处理图表时实时建议编码。

Vault

PHI 安全训练流水线

Vault 为模型训练和推理中使用的所有临床文档提供端到端加密、自动化 PHI 检测和可配置的数据保留。

Example Workflow

一家 500 床位的医院系统每周处理 2,000 次住院和 8,000 次门诊就诊。编码团队导出 100,000 次历史编码就诊——临床笔记与验证的 ICD-10 和 CPT 编码分配配对——在自动化 PHI 清洗后上传到 Ertas Vault。使用 Ertas Studio，他们针对占编码量 80% 的前 15 个服务线微调了专门的模型。模型部署在本地并通过浏览器扩展与编码工作流集成。编码员打开每份图表时，AI 建议带有置信度分数的主要和次要编码，并在文档中高亮支持的临床证据。编码员审查建议，一键接受或修正。编码吞吐量提高 35%，编码错误导致的拒赔率从 8% 降至 3%，组织填补了更少的合同编码员职位，每年节省超过 60 万美元。