OpenEvidence가 의료 청구 및 임상 문서화라는 복잡한 업무를 자동화하기 위해 설계된 신기능 'Coding Intelligence'를 선보였다. 기존의 임상 비서 서비스에 통합된 이 도구는 의사와 환자 간의 대화 전체 기록을 분석하여 구체적인 청구 코드를 제안하는 역할을 한다. 특히 진료 과정의 세부적인 뉘앙스를 논리적으로 분석하여 CPT 및 ICD-10 진단 추천 코드를 생성하며, 의료적 의사결정에 대한 근거를 환자 차트에 직접 텍스트로 작성해 준다.

이 시스템은 수만 개에 달하는 잠재적 청구 코드를 일일이 찾아야 하는 의료계의 막대한 행정적 부담을 해결하는 데 중점을 두었다. 단순한 키워드 매칭에 의존하던 기존 솔루션과 달리, 이 AI 기반 방식은 처방된 검사와 치료 내역을 포함한 진료의 전체 맥락을 평가하여 정확도를 보장한다. 또한 진료 시간이나 의료적 위험도를 바탕으로 진료의 복잡도와 청구 등급을 결정하는 정교한 평가 및 관리(E/M) 단계까지 지원한다.

보험금 지급액을 극대화하고 규정 준수를 보장하기 위해 플랫폼에는 메디케어(Medicare)의 다중 절차 지불 감액 정책과 건강보험 청구 심사(CCI) 규칙이 통합되었다. 코드를 제출하기 전 조합의 적절성을 미리 검증함으로써 청구 거절로 이어지는 흔한 오류를 방지하는 구조다. 이처럼 수동이나 외주에 의존하던 코딩 작업을 실시간 AI 자동화로 전환함에 따라, 의사들은 누락된 처치 코드로 인한 수익 손실 위험을 줄이면서 환자 진료에 더욱 전념할 수 있게 되었다.

OpenEvidence가 의료 청구 및 임상 문서화라는 복잡한 업무를 자동화하기 위해 설계된 신기능 'Coding Intelligence'를 선보였다. 기존의 임상 비서 서비스에 통합된 이 도구는 의사와 환자 간의 대화 전체 기록을 분석하여 구체적인 청구 코드를 제안하는 역할을 한다. 특히 진료 과정의 세부적인 뉘앙스를 논리적으로 분석하여 CPT 및 ICD-10 진단 추천 코드를 생성하며, 의료적 의사결정에 대한 근거를 환자 차트에 직접 텍스트로 작성해 준다.

이 시스템은 수만 개에 달하는 잠재적 청구 코드를 일일이 찾아야 하는 의료계의 막대한 행정적 부담을 해결하는 데 중점을 두었다. 단순한 키워드 매칭에 의존하던 기존 솔루션과 달리, 이 AI 기반 방식은 처방된 검사와 치료 내역을 포함한 진료의 전체 맥락을 평가하여 정확도를 보장한다. 또한 진료 시간이나 의료적 위험도를 바탕으로 진료의 복잡도와 청구 등급을 결정하는 정교한 평가 및 관리(E/M) 단계까지 지원한다.

보험금 지급액을 극대화하고 규정 준수를 보장하기 위해 플랫폼에는 메디케어(Medicare)의 다중 절차 지불 감액 정책과 건강보험 청구 심사(CCI) 규칙이 통합되었다. 코드를 제출하기 전 조합의 적절성을 미리 검증함으로써 청구 거절로 이어지는 흔한 오류를 방지하는 구조다. 이처럼 수동이나 외주에 의존하던 코딩 작업을 실시간 AI 자동화로 전환함에 따라, 의사들은 누락된 처치 코드로 인한 수익 손실 위험을 줄이면서 환자 진료에 더욱 전념할 수 있게 되었다.