随着美国联邦医疗保险和医疗补助服务中心（CMS）将在未来数月加强风险调整数据验证（RADV）审计力度，各保险计划方需确保其风险调整项目达到最高精度与合规标准。由人工智能（AI）增强的前瞻性与回顾性分析工具，能够帮助保险计划方与医疗服务提供者协作优化临床文档记录，并在审计准备期间识别编码错误。
人工智能（AI）驱动工具如自然语言处理（NLP）技术已被广泛集成应用于医疗行业的风险调整编码工具中，为提高诊断数据准确性与效率提供支持。对于医疗保险优势计划（MA计划）而言，这些工具能显著提升分层条件分类（HCC）数据的精确度，支撑风险调整项目并确保合理偿付。
应对新RADV变革的准备
NLP驱动工具可帮助MA计划在正式进行风险调整数据验证（RADV）审计前，通过回顾性病历审查发现潜在错误。此前每年仅约10%的MA计划接受RADV审计，但随着CMS加强打击超付力度，所有MA计划都将面临审计。此外，CMS将把每家计划的审计病历数提升至200份，这对计划方的准确性和效率提出更高要求。
此次审计范围扩展伴随其他重大政策变化：CMS现可将样本病历的审计结果推断至整个计划合同，若发现病历无法充分支持参保者诊断，单一合同可能面临数百万美元的追溯性处罚。同时取消按服务付费（FFS）调整机制，进一步加重计划方确保HCC报告准确性的责任。
人工智能对MA计划的支持作用
对于尚未接受过RADV审计的MA计划，这些变革为整合人工智能到编码实践提供了契机。通过将AI工具融入工作流，计划方可优先处理关键文档，确保编码团队聚焦复杂病历中的重点内容。例如，AI可识别常见错误如错误诊疗场景（住院与门诊）的HCC申报或错误专科领域的诊断，同时能快速发现因合并不同患者病历导致的数据错误。
AI工具实施策略
建议各计划方在部署AI工具时遵循以下最佳实践：
- 组建AI治理委员会确保人工监督
建立由临床、技术与编码专家组成的治理框架，参照负责任AI研究所等机构的AI治理准则，审查AI使用案例并讨论潜在伦理风险。
- 建立编码员沙盒测试环境
提供测试文档和操作清单，让编码员模拟真实场景使用工具，记录性能与可用性问题。
- 制定综合绩效评估仪表盘
定期（至少每月）跟踪个人与团队的生产效率与准确性指标。关注异常指标如编码速度显著偏离同侪，或过度依赖AI建议（接受率近100%）。
- 收集终端用户反馈持续优化
通过资深用户反馈优化技术方案，避免因过多推荐影响编码效率。
- 与供应商明确绩效承诺
对采购的AI软件要求性能保证，明确系统运行时间、NLP准确率等指标，并设定违约处罚条款。
随着CMS加强RADV审计力度，计划方需通过AI增强的分析工具优化临床文档记录。建议对编码结果进行二轮审核，修正首轮审查遗漏的HCC问题。通过技术工具与专家监督的结合，在日益严格的监管环境中提升风险调整项目的成功率。
（作者注：Katie Sender为Cotiviti临床与编码服务副总裁，拥有超过25年医疗行业经验）
【全文结束】
