AKASA推出自主住院编码AI：出院后90秒内出码，客户已覆盖全美约10%住院出院量

出院后90秒：AKASA把住院编码交给自主AI，30到60分钟的活重新计时

事实报道 × AI技术供应商/创业者 ｜ 影响分析 × 医院信息化/临床医生 ｜ 产品发布

2026年10月2日，医疗AI公司AKASA推出面向中周期（mid-cycle）的自主AI平台，把能力从账单前审核推进到住院病案编码与临床文档完整性（CDI）。公司称其引擎可在患者出院后90秒内自主完成编码，无需人工介入，而人工编码员处理一例需30至60分钟。编码速度直接决定账单何时能出，这也是它被称为行业硬骨头的原因。

开场：出院不是终点，账单要等三到四天

所谓中周期，指的是患者出院后把临床记录翻译成编码的那一整段流程，临床文档完整性（Clinical Documentation Integrity，CDI）就处在这一段的上游。这些编码决定报销金额、质量上报、风险调整，也决定病历本身的完整度。与门诊编码只针对单次操作不同，住院编码要覆盖从入院到出院的全过程，因此一直是资源最密集、也最难自动化的环节。首席执行官兼联合创始人Malinka Walaliyadde在Fierce Healthcare的首发报道中给了一组量级：一次典型住院会产生约60份文档、5万词，编码员要从中选出合适的编码，而可选编码集约有15万条。

人力缺口把这段流程拖得更长。编码员单病例需要30至60分钟，叠加人手不足与产能约束，医院常常在患者出院后还要再等上数天，才有编码员开始处理这一账户。AKASA与HIT Consultant给出的口径一致：出院到完成编码普遍积压3到4天。对运营利润本就偏薄的医院来说，这几天是直接挂在应收账上的成本，出院并不是流程的终点。

90秒对30分钟：自动化到底接管了哪些动作

新平台接管的是从读病历到出码的整条链路，而不是其中的某一段。

环节	传统人工流程	AKASA自主流程
读病历	编码员逐份翻阅出院小结、手术记录、病程记录、会诊、检验、影像与用药记录	模型读取完整病历，跨全部专科与全部书写者
出码	在队列中排队处理，常为部分处理	出院即端到端出码，公司称无需人工介入
依据	依赖编码员经验与事后抽查	每个编码链接到病历中支持它的原文，附理由与置信度
上游CDI	编码与文档改进分属两套流程	机器推理前移到CDI，识别文档缺口、查询机会与遗漏的次要诊断
适配方式	依赖编码员熟悉本院规则	按各院历史病例组合、本地临床标准与文档习惯微调定制模型

平台目前覆盖急症、多病共存的住院病例，面向门诊机构就诊的自动化排在后面。Fierce Healthcare报道称，在与一家医疗系统alpha伙伴完成内部测试与评估后，AKASA计划在数月内向客户开放这套面向住院编码的自主AI平台。

盲测怎么做的：65%到85%的住院量，四项指标对齐资深编码员

自主这个词在医疗编码里能否成立，最终要靠对比数据说话。AKASA把引擎送去做了第三方盲测：AI与资深人类编码员对同一批住院就诊分别出码，评审方不知道每一套编码来自AI还是来自人。测试覆盖的住院就诊，代表多数医院住院量的65%至85%。

四项主要合规指标上，AI达到或超过资深编码员水平：MS-DRG（Medicare Severity Diagnosis Related Group）分组、主诊断选择、临床质量捕获，以及present on admission（入院时已存在，POA）判定。这四项分别对应报销额度、质量合规，以及严重度与复杂度的记录完整性。需要指出，这套盲测由公司组织、第三方执行，评测细节与误差范围未在公开报道中给出；公司本轮也未披露融资额与营收，此处不做推算。

10%的全国出院量：这个体量意味着什么

支撑这次发布的是一组体量数据：客户群的合计净患者收入（net patient revenue）超过1800亿美元；模型处理的就诊量约占全美住院出院量的10%，即每10例出院约有1例；过去一年处理的住院量增长接近6倍；公司官网称客户群覆盖全美50个州的500家医院。

这意味着自主编码已经不是单点试点，而是一条跑在相当比例美国住院病例上的产线。资本流向也在同一方向：HIT Consultant引述Capstone Partners 2026年9月报告，自主编码与计费方向支出同比增长125%，达到4.5亿美元。客户侧的落地节奏则更保守——克利夫兰诊所已部署AKASA的账单前审核产品，并表示有意探索自主中周期方案；内布拉斯加卫理公会健康系统已在编码与CDI上与AKASA合作多年。

三位站台者的身份，恰好代表三种立场。克利夫兰诊所首席数字官Rohit Chandra说，其收入周期工作因患者病情复杂而格外耗时，希望在合规优先的前提下提升速度与精度；内布拉斯加卫理公会首席财务官兼财务副总裁Jeff Francis说，他关心的指标是收入完整性、拒付、坏账核销与回款速度；a16z普通合伙人Julie Yoo则认为，医疗无法单靠人力满足未来的需求规模。三句话里没有一句提到替代人，都落在产能与精度上。

冷静观察：自主不等于免责，编码责任最终落在谁头上还没答案

90秒这个数字改变的是时间，不是责任。编码结果直接决定报销金额，而美国的住院编码长期处在医保与商业支付的审计视野内；一旦发生回溯性审计或拒付，签字与申诉的主体仍然是人。AKASA给出的缓解方式是把证据链做进产品：每个编码都能回溯到病历原文与置信度，让复核从重读一遍病历，变成核对已经标好的依据。这降低了复核成本，却没有回答责任的归属。

另一层不确定性在于阈值由谁设。平台把自主处理的比例交给医院自定——病例组合、服务线规则、支付方结构与抽样审核比例都由客户配置，模型只编码被批准编码的部分。这实际上把自主的边界写成了一项院内治理决策，而不是厂商的技术声明。对医院信息化与编码管理而言，真正的准备工作可能不在技术上，而在把这套阈值、抽样与例外处理写成可审计的制度。

剩下的问题依旧悬着：一个在盲测中达到或超过资深编码员水平的系统，是否足以支撑无人复核的编码结论；以及当AI与编码员判断不一致时，以哪一方为准。公开信息里没有答案，本轮也不做推测。可以确定的是，出码速度已经被压缩到秒级，而围绕它的责任框架还停留在人工时代。

原文链接：HIT Consultant

千方医数集编辑部 出品