Medicinsk kodning og journalisering er fundamentet for en velfungerende sundhedssektor - og danner grundlaget for alt fra politiske beslutninger og økonomiske prioriteringer til medicinsk forskning og patienternes behandling og opfølgning.

Når politikerne ønsker at kende udviklingen i antallet af kræftpatienter, eller hospitalerne ønsker et overblik over gennemførte hofteoperationer og skal overholde behandlingsgarantier, er koderne et vigtigt redskab.

Korrekt medicinsk kodning er derfor afgørende, og det kan have store konsekvenser for den enkelte patient, hospitalerne og samfundet som helhed, når kodningen indeholder fejl. Det ved hospitalerne, men korrekt kodning er kompliceret og tidskrævende, og i en travl hverdag opstår der nemt fejl.

Faktisk viste en omfattende undersøgelse, gennemført af den norske Rigsrevision tilbage i 2018, at der i Norge var fejl i 36 procent af diagnosekoderne i de kontrollerede epikriser. Og selv om man i Norge har gjort en stor indsats for at nedbringe fejlene, er det ikke lykkedes at få tallet mærkbart ned.

Derfor bruges der i dag rigtig mange ressourcer på at rette fejl og kontrollere kvaliteten i kodningen.

I Norge vurderer man, at lægerne på årsbasis bruger op mod 800.000 ekstra timer - alene på at kontrollere kodekvaliteten.

Intelligente redskaber

Der findes ingen tilsvarende undersøgelser i Sverige og Danmark, men tendensen er den samme. Tidspres, stress og mangel på arbejdskraft udfordrer hospitalerne i hele Norden.

Som leverandør af taleteknologi til sundhedssektoren i alle de nordiske lande oplever Omilon udfordringerne på tæt hold. - Den stigende kompleksitet i dokumentationen tærer på medarbejderne og stjæler fokus fra patientarbejdet.

Vi ser det som vores fornemste opgave at udvikle redskaber, der forenkler journaliseringsprocesserne og sikrer høj kvalitet i dokumentationen. Og her giver kunstig intelligens nogle spændende muligheder.

Vores produkter skal ikke bare videregive information, de skal også kunne forstå og forbedre inputtet, siger Henric Carlsson, CEO i Omilon.

I arbejdet med en AI-baseret kodningsassistent har Omilon naturligt taget udgangspunkt i egen hjemmebane, der hvor data fødes. Så lige nu arbejder vi på udviklingen af en kodningsassistent, der kan være med til at sikre, at de rigtige koder kommer på allerede fra start, når lægen indtaler sine journalnotater.

For os er det vigtigt at forstå hele kodens rejse, fra de indtales af lægen, til de lander på Sundhedsdatastyrelsens bord. Derfor er vi på en opdagelsesrejse, som tager os rundt i afkrogene af sundhedslandskabet.

Tværnordisk AI-udvikling

At udvikle et AI-redskab, der kan forstå kliniske notater og koble det med ICD10 kodesystemet, er i sig selv kompliceret. Især fordi vi gerne vil have det til at fungere inden for mange kliniske specialer og på alle tre nordiske sprog.

Det kræver stærke algoritmer, kompetent dataarbejde og en masse træningsdata. Her er det en stor fordel at arbejde tværnordisk. Sprogene ligger så tæt op ad hinanden, at vi med fordel kan genbruge data og udveksle AI-modeller, lokale sprogressourcer og kliniske termbanker på tværs.

Konkret betyder det, at vi træner vores danske modeller på kliniske data, som vi allerede har adgang til gennem udviklingen af vores nordiske talegenkendelsesløsninger. Det betyder også, at vi kan bruge ressourcer som SNOMED til at identificere og koble kliniske termer på tværs af de nordiske sprog.

Brugeren i centrum

I arbejdet med udviklingen af AI-løsninger stjæler teknologien ofte hele opmærksomheden. Men den allervigtigste opgave for os er at sikre, at de løsninger, vi laver, fungerer i hverdagen ude på hospitalerne og opleves som meningsfulde af det personale, der skal bruge dem.

Derfor er det meget vigtigt for os, at udviklingen af vores AI-baserede kodningsassistent foregår med udgangspunkt i den praktiske virkelighed på afdelingerne. Og at den gennemføres i tæt samspil med læger, sygeplejersker og ikke mindst lægesekretærer.

Ikke beslutningstager

Rejsen begyndte i de norske udfordringer med diagnosekodningen, men i takt med at vi kommer tættere på praksis og har taget dialogen bredere, åbner der sig nye muligheder og retninger i udviklingen.

For hvad med procedurekoderne? Kan vi forenkle forløbskodningen og kvalitetssikre koderne på tværs af journaltekster?

Spørgsmålene er mange. Ikke mindst fordi kunstig intelligens som arbejdsredskab på hospitalerne stadig er i sin spæde start.

Men ét svar ligger fast: Kodningsassistenten er et hjælperedskab. Enhver beslutning vil altid skulle træffes af en fagperson.

Kodningsassistenten kan i dag hjælpe med at identificere mangler i en tekst, foreslå afledte administrative opgaver, identificere diagnosekoder og komme med forslag til kodning ud fra beskrivelsen af symptomer.

Mulighederne er mange.

Men inden den videre rejse planlægges, skal kodningsassistenten afprøves i praksis på hospitalerne.