复杂的人工智能模型需要海量数据来学习，而医疗数据占所有数据的近三分之一。所有这些信息都可以推动算法的发展，这些算法可以检测和诊断疾病，提出预防性治疗方案，并以远远超过最熟练的医生团队的速度和准确性执行无数其他功能。有了这样的价值，这种力量当然值得利用。医疗保健中的人工智能在某些情况下，人工智能的潜力已经实现。例如，配备人工智能工具的放射科医生能够以99%的准确率以比正常人快30倍的速度查看和解读乳房X线照片。这些结果在整个医疗保健生态系统的利益相关者中引起了极大的兴奋。然而，当前的现实是，大多数医疗机构没有足够的基础设施或数据管理能力来训练可以在临床环境中可靠部署的算法。此外，该行业复杂、分散的性质以及满足现状的不正当动机进一步阻碍了技术创新，并造成了其他行业根本不存在的障碍。当然，转型的潜力依然存在。寻找解决方案虽然在临床环境中部署AI仍然存在巨大障碍，但这些障碍对于其他用例而言并不那么重要。最有前途的领域之一是医疗规划，尤其是在风险调整方面。随着医疗数据量呈指数级增长，医疗程序员的需求量仍然很大——但供不应求。幸运的是，配备自然语言处理能力的人工智能工具可以帮助减轻一些编程负担，让健康项目能够克服不断扩大的人才缺口，同时提高编程速度和准确性。目前，许多完全依赖人力团队（通常人手不足）的组织倾向于认为速度和准确性成反比（欲速则不达）。但是，一个好的AI/NLP（人工智能/自然语言处理）引擎是不会出现这样的问题的。加速编程使用人工智能来加速医学编程，让人类编码人员有更多时间来修复代价高昂的错误，提高准确性，并有可能让医疗机构将更多资源用于最需要的地方。NLP在过去五年中取得了显着进步。利用该技术的编程工具可以通过删除不应该存在的代码来提高代码准确性并解决过度编程问题。从表面上看，这种类型的应用程序可能看起来相对平凡，但它对健康计划、提供者和患者的影响确实可能是革命性的。对速度的需求缓慢的医疗编程一直是健康计划的痛点。手动审查和处理图表注释以识别相关信息可能需要数周、数月甚至数年的时间。此外，患有持续或慢性疾病的患者需要治疗，而健康计划和提供者则难以确定最准确的分级疾病类别(HCC)代码。许多项目使用平行的、回顾性的图表审查来解决同一日历年的这些情况。然而，随着医疗保健数据的数量、可变性和复杂性的增加，迫切需要更好的解决方案。这就是为什么越来越多的组织转向NLP来快速搜索、分析和解释海量患者数据集的原因。简化工作流程AI/NLP引擎通过让这些专业人员专注于更有意义的工作（例如发现数据中的异常趋势和模式），将医疗程序员的专业知识转化为对医疗计划更有用的资产。随着程序员对AI工具的熟悉，他们的编程速度会随着时间的推移而提高，从而降低编写图表的成本，并使这些人类工作者对他们的组织越来越有价值。没有人能够记住所有的阶级地位分类代码（在过去几十年中迅速扩大）。尽管如此，在人工智能的帮助下，人类团队可以更快地将代码匹配到相应的条件。自满的代价相比之下，继续依赖传统编程工具的组织将遇到更多困扰该领域多年的相同障碍。考虑到超过9,500个ICD-10代码映射到大约80个HCC，不能依赖NLP强大搜索能力的医学程序员更有可能丢失代码。使用机器学习算法的医疗记录NLP甚至可以发现以前可能没有被编程的疾病——这是发现HCC疾病的一个基本特征。此外，从管理的角度来看，手动将图表分配给程序员是昂贵的，并且使将项目扩展到大型团队具有挑战性。这也让程序员处于一个严重的劣势：没有NLP优先级，他们必须手动梳理图表，这往往会导致疲劳和倦怠。除此之外，使用传统工具的团队将继续与项目监督和绩效管理作斗争，因为传统工具通常只提供有限的报告功能。利用高级算法因为它们可以利用高级算法，机器学习(ML)和NLP引擎可以帮助团队从以前被认为以文本形式隐藏的数据中收集相关的见解和概念。通过表达非结构化数据，这些工具可以更好地理解数据质量、持续改进流程、提高风险调整后的准确性以及更好的患者治疗效果。与任何新兴技术一样，NLP引擎也不是万能的。如果没有足够的培训，他们可能会错过有价值的代码，事实是许多NLP编程工具都是在有限数量的医疗记录上进行培训的。因此，他们经常与不太常见的疾病和电子病历格式作斗争。此外，大多数NLP工具的用户界面并未针对程序员的需求进行优化。这不是一个小问题，因为糟糕的UI设计会导致程序员丢失与临床记录相关的上下文，从而导致更多错误。这些工具的有效性在很大程度上还取决于围绕它们设计的工作流程。使用一刀切的方法构建的NLP编程工具存在风险。例如，大多数不提供审核供应商工作的能力。因此，优先考虑速度而不是准确性的NLP工具将丢失代码并使组织面临合规性问题和收入损失。选择的速度通常会导致提交不适当的代码，这会产生多米诺骨牌效应，因为较低的付款或风险调整后的数据验证审计最终会阻碍健康计划，从而阻碍他们支持患者健康的能力。AI/NLP引擎，只要设计和实现得当，就可以提高医学编程的速度和准确性。它们使程序员能够显着加快编程速度，同时减少人为错误和随之而来的众多风险。通过大大提高从医生笔记中提取信息和分配医疗代码的效率，这些工具加快了速度并确保部署它们的组织能够很好地照顾未来的患者健康。
