Die Kombination aus semantischer Suche, Künstlicher Intelligenz und Regelwerk macht Tiplus Kodiersoftware MOMO einzigartig. Gemeinsam helfen diese drei Technologien dabei, medizinische Dokumente automatisch auszuwerten und passende Abrechnungskodes vorzuschlagen.
Zunächst durchsucht eine semantische Suchmaschine alle maschinenlesbaren Dokumente eines Falls nach kodierrelevanten Informationen. Dazu zählen zum Beispiel Arztbriefe, OP-Berichte, Radiologiebefunde sowie Visiten- und Pflegedokumentationen. Die Suche erkennt nicht nur einzelne Begriffe, sondern auch deren Bedeutung im Kontext.
Auf Basis dieser Informationen erstellt ein umfangreiches Regelwerk fallindividuelle Kodiervorschläge.
Zusätzlich kommt Künstliche Intelligenz zum Einsatz. Die Machine-Learning-Modelle („KI-Modelle“) werden mit sämtlichen medizinischen Dokumenten aus dem KIS trainiert, zum Beispiel OP-Berichten. Dabei lernen sie, welche sprachlichen Muster häufig mit bestimmten OPS-Kodes zusammenhängen. Dazu gehören etwa typische Formulierungen, bestimmte Begriffe oder die Struktur eines Textes.
So kann die KI beispielsweise einen OP-Bericht im Kontext der gesamten Patientenakte auswerten und erkennen, welche Prozeduren darin beschrieben sind. Auf Grundlage aller verfügbaren Informationen generiert MOMO anschließend passende Abrechnungskodes in Form von OPS-Schlüsseln.
Neue Modelle erkennen OPS-Kodes deutlich zuverlässiger
Seit Anfang 2026 werden in MOMO neue KI-Modelle eingeführt. Sie verbessern die Qualität der Kodiervorschläge deutlich.
Ein wichtiger Messwert ist die Trefferquote. Sie beschreibt, wie häufig die KI einen tatsächlich vorhandenen OPS-Kode erkennt. Mit den neuen Modellen hat sich diese Quote im Vergleich zu den bisherigen Modellen etwas mehr als verdoppelt.
Neben der Trefferquote ist auch die Präzision entscheidend. Sie zeigt, wie oft ein vorgeschlagener Kode tatsächlich korrekt ist. Auch die neuen Modelle sind entsprechend so eingestellt, dass Vorschläge mit einer hohen Präzision gemacht werden. Die Vorschläge bleiben damit zuverlässig und sehr gut nutzbar für die medizinische Kodierung.
Verbesserungen durch neue Trainingsdaten und optimierten Dokumentenzugriff
Die Leistungssteigerung der Modelle hat mehrere Gründe.
Zum einen wurden die KI-Modelle mit einer größeren und vielfältigeren Datengrundlage trainiert. Dadurch können sie unterschiedliche Dokumenttypen und Formulierungen besser erkennen. Durch Tiplus stetig wachsendes, repräsentatives ML-Netz mit rund 140 Partnerkliniken stehen aktuell mehr als 10 Mio. strukturierte, interoperable Patientenakten für das Modelltraining zur Verfügung – und damit das gesammelte Wissen zahlreicher Fallkonstellationen sämtlicher Fachdisziplinen.
Zum anderen wurde der Zugriff auf die Dokumente für die Kode-Erkennung technisch optimiert.
Neu ist außerdem eine zusätzliche Steuerungsmöglichkeit für die Nutzenden: Für die neuen Modelle lassen sich einzelne Dokumenttypen gezielt von der Analyse ausschließen. Das kann sinnvoll sein, wenn bestimmte Dokumente regelmäßig zu unpassenden Vorschlägen führen. So behalten MOMO-Nutzende die Kontrolle darüber, welche Dokumente in die Modellvorhersagen einfließen.
Rollout der neuen Modelle läuft
Die neuen KI-Modelle werden derzeit schrittweise ausgerollt und stehen in Kürze in allen Krankenhäusern zur Verfügung, die MOMO einsetzen.
Mit der kontinuierlichen Weiterentwicklung unserer KI-basierten Kodiersoftware stärken wir die datenbasierte Unterstützung bei der medizinischen Kodierung und tragen zu effizienteren Abrechnungsprozessen im Gesundheitswesen bei.