无人准备的规模转变
在医疗保险优势计划的大部分历史中，RADV审计都是零星进行的。CMS每年只选择少数合同进行审计。被审计的概率足够低，以至于许多计划将RADV准备视为可选项，仅在被选中时才组建临时响应团队。
那种模式已成为历史。CMS现在每年以季度为频率审计所有550多个MA合同。该机构将其审计工作团队从约40名认证编码员扩大到约2,000名，还辅以人工智能，在打开任何病历之前就能标记提交数据中的编码异常。2020年付款年度的审计于2026年初启动。新周期每季度开始，而之前的周期仍在进行中。
从选择性审计到普遍审计的转变，使RADV从偶尔的风险变成了永久性的运营现实。为旧模式构建的计划在真实审计压力下，正在发现差距有多大。
OIG发现预示着什么
虽然RADV和OIG审计在技术上是分开的，但OIG 2026年3月的发现为计划应期望的情况提供了预览。三次同时进行的审计发现，在857个抽样参保年份中，错误率在81%到91%之间，仅每个组织的两个付款年度就估计多付款超过1500万美元。
所有三次审计的失败模式都一致。将历史状况编码为活动诊断，但没有当前管理的证据。像中风和心肌梗死这样的急性病症从往年延续，但没有神经学或心脏随访记录。问题列表中列出的慢性疾病，没有证据表明提供者正在积极监测、评估或治疗它们。在多次审计中，急性病症类别的错误率达到了100%。
这些问题并非特定于某个组织。它们是行业范围内的文档模式，存在于大多数计划提交的数据中。三个不同组织一致的81-91%错误率表明，计划提交的内容与实际支持的文档之间存在系统性差距。
为什么现有技术无法满足要求
大多数风险调整技术旨在帮助编码员找到更多编码，而不是验证这些编码是否能经受联邦审查。AI在临床笔记中识别诊断。编码员审核并提交。系统优化速度和数量。决定审计结果的文档质量评估功能，要么在工作流程中缺失，要么仅限于抽样检查，只能捕捉到部分问题。
在并发审计条件下，这一差距会加剧。同时管理两个或三个活跃的RADV周期的计划，每个周期都有不同的参保者样本和截止日期，会受到压力测试。使用碎片化系统的计划需要花费数周时间从分散的环境中收集证据。这种组装时间压缩了战略工作的时间窗口：验证文档质量和为每个抽样诊断选择最强有力的记录。
CMS允许计划提交相关付款年度内任何接触的医疗记录，而不仅仅是最初生成编码的接触。具有跨接触文档索引的计划可以战略性地为每个抽样HCC（分层条件类别）选择具有最强MEAT（监测、评估、评定、治疗）证据的记录。没有该能力的计划默认使用他们找到的第一个记录，这可能不是最有辩护力的选项。
审计准备型基础设施的要求
技术差距有三个组成部分。首先，证据轨迹必须在编码过程中建立，而不是在审计响应期间重建。当编码员验证一个编码时，临床笔记、MEAT元素映射、AI推理和质量审查应自动记录和保存。当RADV样本几个月后到达时，证据包已经存在。
其次，系统需要双向编码能力。只添加编码而不移除不支持的编码的程序会产生CMS的AI设计用来检测的单向模式。保留在提交集中的每个不支持的编码都可能出现在RADV样本中并失败。在提交前移除无法辩护的编码是降低审计错误率最直接的方法。
第三，并发审计管理必须内置到平台中。由于季度频率，计划将管理重叠周期作为一个常设功能，而不是一系列紧急项目。一个统一的仪表板跟踪所有活跃审计、其截止日期、抽样参保者和提交进度，可以防止当多个周期争夺同一团队注意力时导致响应质量下降的容量问题。
投资于RADV审计准备型基础设施的计划，在编码阶段保存证据、支持双向审查并管理并发周期，正在构建年度审计频率所需的基础设施。仍然运行旧的基于项目的模型的计划，随着每个周期的过去，将承担更高的追回风险。
【全文结束】