VÍDEO-CASE
Codificação assertiva utilizando Inteligência Artificial
Conheça a solução da Unimed-BH para a melhoria da qualidade e da produtividade da codificação clínica usando IA, machine learning e a expertise do codificador.
Assista ao case gratuito preenchendo os dados abaixo:
Entendendo o case
A Unimed-BH é uma operadora de saúde com 50 anos de história, com 1,3 milhão de beneficiários, 5,7 mil médicos cooperados e uma rede composta por 355 prestadores, entre hospitais, clínicas e laboratórios, incluindo Serviços Próprios e credenciados.
A Unimed-BH foi a primeira operadora de saúde brasileira a implantar a metodologia DRG Brasil em sua rede hospitalar. A decisão de implantar essa metodologia foi baseada na necessidade de uma mensuração adequada de entrega valor ao paciente e de um controle dos desperdícios assistenciais de sua rede hospitalar. E o sucesso na utilização da plataforma só é possível com um programa contínuo de melhoria da qualificação da codificação.
Uma das iniciativas da OPS na busca da qualificação da codificação, em parceria com a Kunumi, foi o desenvolvimento de uma solução de codificação automática para diagnósticos clínicos utilizando recursos de Inteligência Artificial.
O processo de codificação é significativo e existem vários fatores que podem impactar no resultado, como:
· definição do diagnóstico
· qualidade do registro clínico no prontuário
· interpretação, extração e input das informações na codificação
· profissionalismo do codificador frente à complexidade da tarefa que lhe é designada e a pressão por produtividade
É neste contexto que a IA pode ser utilizada para tornar a codificação mais automática, assertiva e reprodutível, facilitando a definição correta do DRG para uma internação clínica.
Na Unimed-BH, a solução foi implantada em etapas, contando sempre com a expertise da equipe de codificadores:
1ª- Aprendizado de máquina usando o processo de linguagem natural, no qual o algoritmo de Inteligência Artificial foi exposto a uma coleção de prontuários com as respectivas codificações, e aprendeu a reconhecer os padrões dos códigos da CID-10 de diagnósticos clínicos.
2ª- Teste do modelo, onde utilizou-se o modelo definido na etapa anterior para codificar novos prontuários, avaliando a acurácia ao comparar esses códigos com os códigos definidos pela equipe de codificação.
3ª- Implementação em produção nos quatros hospitais próprios da rede em setembro de 2020, e utilização do modelo para recomendação dos códigos da CID-10 para as internações no momento da alta hospitalar.
Para a aplicabilidade eficaz da Inteligência Artificial, o codificador é de suma importância: ele faz uma avaliação técnica e toma a decisão de aceitar ou não os códigos recomendados pelo robô. Os códigos recomendados são aceitos pelos codificadores em 84,5% dos prontuários.
O uso desse algoritmo tem um grande potencial na melhoria da qualidade da codificação, com aumento da acurácia e redução da subjetividade – além da redução no tempo da codificação, aumento de produtividade dos codificadores e redução de custos.
Valor Saúde Brasil © 2021. Todos os direitos reservados.