LO
Projeto-pilotoAutomatização cognitiva2023-01-01
Um hospital universitário de Taiwan implementou e testou um sistema de IA que sugere códigos de diagnóstico CID-10-MC aos seus codificadores certificados, que reveem as sugestões e escolhem os códigos definitivos
Codificador clínicopágina da profissão →
Data do facto / publicação
2023-01-01 · publicado 2024-09-20
Categoria da prova
Projeto-pilotoEnsaio em pequena escala num contexto real. Diz-nos que as condições de implementação estão a ser testadas, não que se verificam, por isso um piloto nunca chega sozinho; dois independentes chegam.
Tarefas sobre as quais incide
Codificar internamentos complexos
Ler um processo de internamento longo, escolher o diagnóstico principal e os secundários, e os códigos que definem o grupo de pagamento do episódio.
Aumentada pela máquina≈ Inferência da plataforma
Rever os códigos que o software sugeriu ou atribuiu
Aceitar, corrigir ou rejeitar os códigos sugeridos pela máquina, e tratar a fila de processos que o software não conseguiu codificar com segurança.
Tarefa nova≈ Inferência da plataforma
Onde é que isto se aplica
Um estudo revisto por pares de investigadores que trabalham com o Hospital Memorial Chung-Ho da Universidade Médica de Kaohsiung, publicado no Journal of Medical Internet Research a 20 de setembro de 2024. Indica que a interface e o sistema de codificação foram implementados e testados em janeiro de 2023 no hospital, dentro do fluxo de trabalho dos seus codificadores certificados, que reveem as recomendações do sistema e escolhem os códigos CID-10-MC definitivos para os grupos de diagnósticos de Taiwan; a avaliação em ambiente real usou casos de fevereiro a abril de 2023. É dado o mês, não um dia. Os autores referem que o sistema ajudou a detetar erros de codificação em 1,9% dos casos (50 em 2632) e dizem que pode reduzir o trabalho manual; não medem o tempo poupado, e a análise de concordância foi feita por um único codificador sénior. Um hospital, uma avaliação de três meses, um sistema de pagamento.
O que isto significa
Em pelo menos um hospital, as sugestões de códigos por IA funcionaram dentro do trabalho diário de codificadores certificados: a máquina lê o processo e propõe códigos, e o codificador decide. Para um codificador, o trabalho passa de encontrar cada código para verificar os da máquina — e essa verificação detetou erros cometidos pelos próprios codificadores.
O que ainda não mostra
É a avaliação de três meses de um hospital no sistema de pagamento de Taiwan; não mostra o tempo poupado, codificação sem codificador nem qualquer mudança no número de codificadores que o hospital emprega.
O que podes verificar
Abra o estudo na PubMed Central (PMC11452756) e leia na secção de métodos a frase sobre a implementação («deployed and tested in January 2023 at KMUCHH»), a descrição de como os codificadores escolhem os códigos definitivos e o resultado sobre a taxa de erro de 1,9%.
Muda a avaliação?
Não. O índice de impacto nunca é movido por um único facto, e esta categoria não move um sozinha: um registo de «Projeto-piloto» conta para um juízo mas precisa de um segundo registo independente antes de o juízo se apoiar em prova. Este está contado; por si só não mudou nada.
Fonte
Journal of Medical Internet Research (2024) — Kaohsiung Medical University Chung-Ho Memorial Hospital study of an AI-assisted ICD-10-CM coding system (PMC full text) · verificado 2026-09-26 · Claude (VOLO agent) · interpretado 2026-09-26 · Claude (VOLO agent)
Fonte primária: publicada pela parte que fez isto, ou pela autoridade de referência. Não precisa de coassinatura.