MOMO verbessert medizinische Kodierung durch neue KI-Modelle deutlich
Tiplu steigert Trefferquote und Präzision bei OPS-Kodes, Rollout startet in allen Partnerkliniken
Die Kodiersoftware MOMO von Tiplu nutzt ab Anfang 2026 neue KI-Modelle, die die automatische Erkennung von OPS-Kodes aus medizinischen Dokumenten deutlich verbessern. Wie das Unternehmen mitteilt, profitieren Krankenhäuser von einer höheren Trefferquote und präziseren Vorschlägen, was die Effizienz in der Abrechnung und das medizinische Kodiermanagement stärkt.
Die Software kombiniert eine semantische Suchmaschine, ein umfangreiches Regelwerk und Machine-Learning-Modelle, um medizinische Dokumente wie Arztbriefe, OP-Berichte, Radiologiebefunde sowie Visiten- und Pflegedokumentationen zu analysieren. Die KI-Modelle lernen typische sprachliche Muster und Textstrukturen, die mit bestimmten Prozeduren und OPS-Kodes verbunden sind. Die neuen Modelle erkennen Kodes nun deutlich zuverlässiger: Laut Tiplu hat sich die Trefferquote im Vergleich zu bisherigen Modellen mehr als verdoppelt, während die Präzision der Vorschläge erhalten bleibt.
Grundlage für die Verbesserungen sind sowohl eine größere und vielfältigere Trainingsdatengrundlage als auch technologische Optimierungen beim Dokumentenzugriff. Das Machine-Learning-Netz von Tiplu umfasst mittlerweile über 10 Millionen interoperable Patientenakten aus rund 140 Partnerkliniken und deckt eine breite Palette medizinischer Fallkonstellationen ab. Zusätzlich erhalten Anwender die Möglichkeit, bestimmte Dokumenttypen gezielt von der Analyse auszuschließen, um unpassende Kodierungsvorschläge zu vermeiden und die Kontrolle über die Ergebnisse zu behalten.
Der Rollout der neuen KI-Modelle erfolgt schrittweise und soll bald allen Krankenhäusern zur Verfügung stehen, die MOMO einsetzen. Die verbesserten Modelle sollen insbesondere den medizinischen Kodierern den Arbeitsalltag erleichtern, administrative Prozesse beschleunigen und die Genauigkeit der Abrechnungen erhöhen.
Tiplu betont, dass die kontinuierliche Weiterentwicklung der KI-basierten Kodiersoftware die datenbasierte Unterstützung bei der medizinischen Kodierung stärkt und damit auch die betriebswirtschaftliche Planung in Krankenhäusern unterstützt.
