ClinCode

ClinCode: Datamaskinstøttet klinisk ICD-10 koding

ICD-10 diagnosekoder spiller en viktig rolle på norske og svenske sykehus så vel som i verden. Prosjektet skal forbedre effektiviteten og kvaliteten i helsetjenesten.

Etter hver pasientkontakt skal behandler registrere en eller flere diagnoser eller prosedyrekoder som beskriver hva slags utredning eller behandling pasienten har fått. ICD-10 kodesystemet omfatter over 30.000 koder og kan være både vanskelig og tidkrevende å bruke. Ofte vil klinikere registrere feil koder, eller ikke få med alle passende koder. Kodene som registreres samles og brukes på overordnet nivå til å måle aktivitet på sykehusene. Feilaktig og mangelfull koding gjør det vanskelig å fakturere korrekt og planlegge for effektiv ressursutnyttelse i helsetjenesten.

I ClinCode prosjektet skal vi undersøke hvordan datamaskinassistert kodestøtte (Computer-Assisted Coding, CAC) kan øke kvaliteten på ICD-10 koding uten at klinikeres arbeidsbelastning blir større. I sykehusenes elektroniske pasientjournaler finnes allerede et omfattende materiale av manuelt kodede pasientforløp.

I vårt prosjekt skal vi studere den medisinske spesialiteten gastrokirurgi. Pasientjournalene skal brukes til å utvikle et dataprogram som kan lese den enkeltes journal og automatisk foreslå passende ICD-10 koder til behandlende lege. Dataprogrammet vil analysere både fritekstnotater og strukturert data som allerede er kodet manuelt ved hjelp av naturlig språkprosessering (Natural Language Processing, NLP) og dyp læring (Deep Learning) eller det som også kalles kunstig intelligens metoder (AI) og lære av disse dataene. CAC programmet skal integreres i DIPS Arena elektronisk pasientjournalsystem.

Ekstern lenke til prosjektet

https://ehealthresearch.no/prosjekter/clincode-datamaskinstottet-klinisk-icd-10-koding-for-a-forbedre-effektiviteten-og-kvaliteten-i-helsetjenesten