La codifica delle schede di dimissione ospedaliera (SDO) in Italia prevede l’utilizzo del sistema ICD- 9-CM per classificare le diagnosi e gli interventi effettuati su ciascun paziente. La codifica corretta e tempestiva è fondamentale per garantire accurate analisi statistiche, adeguata remunerazione delle strutture ospedaliere e standard di cura elevati. Le procedure di codifica della SDO sono regolamentate da linee guida specifiche che definiscono le modalità di compilazione, conservazione e trasmissione delle informazioni contenute nelle SDO, garantendo l’uniformità e l’aderenza alla normativa vigente.
Le schede di dimissione ospedaliera (SDO) in Italia devono contenere una serie di informazioni cliniche, tra cui:
- Diagnosi principale di dimissione: Deve essere obbligatoriamente compilata per tutte le SDO e correttamente codificata
- Diagnosi secondarie o concomitanti: Le diagnosi che a giudizio del medico possono aver esercitato il maggior impatto sul ricovero
- Procedure diagnostiche e interventi chirurgici: Le procedure diagnostiche, gli interventi chirurgici o le procedure a cui è stato sottoposto il paziente durante il ricovero.
Queste informazioni sono desunte dalla cartella clinica del paziente e sono fondamentali per garantire una corretta documentazione delle condizioni cliniche e dei trattamenti ricevuti durante il ricovero ospedaliero.
Uno dei settori in cui l’intelligenza artificiale (IA) può avere un impatto significativo è quello della codifica icd9cm della sdo. Questo sistema fornisce codici per classificare le diagnosi e le procedure nei pazienti, consentendo una documentazione dettagliata delle condizioni e dei trattamenti relativi al ricovero di un paziente. E’ un sistema utilizzato per scopi statistici, amministrativi e di ricerca.
La codifica icd9cm della sdo è un’attività complessa e delicata, che richiede competenze specifiche e aggiornate da parte dei codificatori. La codifica icd9cm influisce infatti sulla qualità dei dati sanitari, sulla gestione delle risorse, sul finanziamento e sulla valutazione delle prestazioni. Inoltre, la codifica icd9cm deve essere coerente, accurata e tempestiva, per garantire la corretta comunicazione tra i diversi attori del sistema sanitario.
Vantaggi dell’IA nella codifica ICD-9-CM
L’intelligenza artificiale può migliorare l’accuratezza e l’efficienza del processo di codifica sfruttando grandi quantità di dati per identificare relazioni complesse. I sistemi IA possono inoltre aggiornarsi automaticamente e fornire suggerimenti in tempo reale, riducendo i tempi di codifica. Questo porta ad un miglioramento complessivo della qualità dei dati Sanitari e a una potenziale ottimizzazione dei costi.
Alcuni dei principali benefici includono:
- Precisione e affidabilità: I programmi di intelligenza artificiale possono essere addestrati utilizzando grandi quantità di dati per riconoscere modelli e tendenze nella documentazione clinica, aiutando a garantire una codifica accurata e affidabile delle informazioni contenute nelle SDO
- Riduzione degli errori umani: L’impiego di intelligenza artificiale nella codifica delle SDO può contribuire a ridurre gli errori umani, migliorando la qualità complessiva della documentazione clinica e la correttezza dei dati raccolti
- Efficienza e tempestività: I sistemi di intelligenza artificiale possono semplificare e velocizzare il processo di codifica, consentendo una gestione più efficiente delle SDO e una riduzione dei tempi necessari per la compilazione e l’elaborazione dei dati
- Aumento dell’efficienza e della qualità: L’IA può automatizzare e semplificare il processo di codifica, riducendo il tempo e gli errori. L’IA può anche analizzare grandi quantità di dati clinici e fornire suggerimenti e correzioni ai codificatori, migliorando la precisione e la coerenza della codifica.
- Aggiornamento costante: I programmi di intelligenza artificiale possono essere costantemente aggiornati in base alle nuove linee guida e normative, garantendo un’aderenza continua alle disposizioni vigenti e una corretta codifica delle informazioni cliniche
- Miglioramento dell’apprendimento e dell’aggiornamento: L’IA può facilitare la formazione e l’aggiornamento dei codificatori, fornendo loro feedback e risorse personalizzate. L’IA può anche apprendere e migliorare continuamente, adattandosi ai cambiamenti delle normative e delle pratiche cliniche.
L’utilizzo di programmi di intelligenza artificiale nella codifica delle SDO può contribuire in modo significativo a migliorare la precisione, l’efficienza e l’affidabilità del processo, aiutando i coders a assegnare i codici in modo accurato e tempestivo. I sistemi di intelligenza artificiale possono essere addestrati utilizzando grandi quantità di dati per riconoscere modelli e tendenze nella documentazione clinica, aiutando i coders ad assegnare i codici in modo accurato e tempestivo. Ciò può semplificare e velocizzare il processo di codifica, riducendo al contempo gli errori umani.
Svantaggi dell’uso dell’IA nella codifica icd9cm della sdo: Se non adeguatamente supervisionati, i sistemi IA possono commettere errori di codifica a causa di limiti nei dati di addestramento o nei propri algoritmi. Esiste inoltre il rischio di automatizzare e rafforzare pregiudizi presenti nei dati storici. Errori di codifica possono influenzare negativamente diagnosi e trattamenti.
Rischi per la privacy e la sicurezza: L’IA può esporre i dati sensibili dei pazienti a violazioni della privacy e a accessi non autorizzati, compromettendo la loro protezione e il loro consenso. L’IA può anche essere soggetta a errori, manipolazioni o attacchi informatici, mettendo a rischio la qualità e l’affidabilità dei dati codificati.
L’errata compilazione della scheda di dimissione ospedaliera (SDO) può avere diverse conseguenze, tra cui:
- Impatto sull’analisi epidemiologica e statistica: Dati inesatti o incompleti nelle SDO possono compromettere l’accuratezza delle analisi epidemiologiche e statistiche condotte sulle patologie e sui ricoveri ospedalieri, influenzando la pianificazione sanitaria e la valutazione dell’appropriatezza delle cure
- Conseguenze legali ed economiche: L’errata compilazione delle SDO potrebbe avere implicazioni legali ed economiche per le strutture sanitarie, in termini di responsabilità professionale e di corretta rendicontazione delle attività svolte.
Per evitare tali conseguenze, è fondamentale garantire che le SDO siano compilare in modo accurato e completo, in conformità con le disposizioni normative e le linee guida stabilite per la corretta compilazione e codifica delle informazioni cliniche.
Occorre tener presente comunque che l’uso dell’intelligenza artificiale (IA) nella codifica medica può comportare alcuni possibili errori, tra cui:
- Interpretazione distorta dei dati clinici: L’IA potrebbe interpretare in modo distorto i dati clinici, specialmente se i dati di addestramento contengono bias preesistenti, il che potrebbe influenzare le raccomandazioni diagnostiche e terapeutiche, portando a decisioni non ottimali
- Limiti nell’interpretazione dei dati: Nonostante i progressi, l’IA potrebbe ancora incontrare difficoltà nell’interpretare in modo accurato e completo i dati clinici complessi, il che potrebbe portare a errori nella codifica e nella diagnosi.
- Rischio di bias nei dati clinici: Gli algoritmi di IA possono automatizzare i bias nascosti nei dati clinici, influenzando la codifica di diagnosi e procedure. È fondamentale agire alla fonte, selezionando attentamente i dati clinici utilizzati per addestrare tali algoritmi al fine di ridurre il rischio di bias
- Errori di codifica: Occorre infine tener presente che l’IA può commettere errori nella codifica delle informazioni cliniche.
Mitigazione dei rischi
Per mitigare i rischi è necessario supervisionare i suggerimenti IA con personale sanitario; aggiornare continuamente i modelli IA; assicurare spiegabilità degli output; monitorare le prestazioni ed effettuare controlli qualità su un campione randomizzato di codifiche attraverso diverse strategie, tra cui:
- Addestramento accurato: Garantire che l’IA venga addestrata utilizzando dataset clinici accurati e rappresentativi, riducendo al minimo il rischio di interpretazioni distorte dei dati clinici
- Monitoraggio costante: Effettuare un monitoraggio costante delle prestazioni dell’IA nella codifica medica, identificando e correggendo tempestivamente eventuali errori o bias nei dati clinici
- Validazione umana: Integrare l’interpretazione dell’IA con la validazione umana da parte di professionisti medici esperti, al fine di garantire la correttezza e l’accuratezza delle decisioni di codifica
- Trasparenza e spiegabilità: Assicurare che i processi decisionali dell’IA siano trasparenti e spiegabili, consentendo ai professionisti medici di comprendere come vengono generate le raccomandazioni di codifica
In conclusione
Se implementata correttamente attraverso controlli rigorosi, l’IA può migliorare qualità e velocità del processo di codifica preservando al contempo accuratezza ed etica. Un’adozione responsabile è cruciale per massimizzarne i benefici e prevenirne i rischi. Inoltre, è importante sottolineare che l’uso dell’IA nella codifica medica richiede una costante collaborazione e supervisione da parte di professionisti medici esperti al fine di garantire decisioni accurate e affidabili.
di Andrea Biscardi
Referente aziendale codifica sdo, Azienda USL di Bologna-IRCCS ISNB
Il 1° gennaio 2022 è entrata in vigore l’ICD-11, l’undicesima revisione della Classificazione Internazionale delle malattie (OMS) che sostituisce l’ICD-10 come standard globale per la registrazione delle informazioni sanitarie e delle cause di morte.
L’ICD è sviluppato e aggiornato annualmente dall’Organizzazione mondiale della sanità (OMS). In Italia siamo ancora alla versione 9. Questo significa che quando raccogliamo informazioni sanitarie e delle cause di morte “balbettiamo” con un linguaggio da bambino piccolo che si esprime con un linguaggio ridotto rispetto agli adulti che si esprimono con un linguaggio molto più ricco e fluente dell’ICD11 che sta anche per diventare ICD12.
L’uso della versione 9 implica che molte nostre classificazioni non corrispondono più a quelle internazionali.
Ma non è finita. Nel settore delle classificazioni e delle nomenclature esiste SNOMED.
L’Italia usa poco e male gli SNOMED. Gli SNOMED sono dei codici nomenclatori internazionali di malattia che coprono ampissimi settori della medicina e sono particolarmente importanti nello scambio di informazioni mediche elettroniche. SNOMED (Sistematized NOmenclature in MEDicine http://www.nlm.nih.gov/research/umls/Snomed/snomed_main.html). Li usa il mondo intero e non si capisce perché noi non li usiamo o perché nella pratica italiana il loro uso si discosta dalle modalità previste.
Tutto questo rende estremamente complesso l’uso dell’AI nella medicina italiana perché la semantica dei nostri dati differisce da quella internazionale (non è biunivoca) e creerà perplessità e dubbi al “cervellone” italiano che avendo solo due possibilità (vero o falso) dichiarerà false cose vere.
Un saluto