Skip to main content
SpringerLink
Log in

Künstliche Intelligenz in der Krankenhausabrechnung

  • Chapter
  • First Online:
Handbuch Digitale Gesundheitswirtschaft

  • 1540 Accesses

Zusammenfassung

Spätestens seit der Reform der Krankenhausfinanzierung 2004, die eine Vergütung durch Fallpauschalen festsetzte, stehen stationäre Einrichtungen unter einem zunehmenden Kostendruck. Wie kann eine KI-gestützte Kodierung zu einer Erlössteigerung der Krankenhäuser beitragen?

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 64.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. Deutsche Krankenhausgesellschaft D. Allgemeine und Spezielle Kodierrichtlinien für die Verschlüsselung von Krankheiten und Prozedure 2019

    Google Scholar 

  2. MDK. Faktenblatt – Leistungen der MDK für die gesetzliche Krankenversicherung (GKV) 2014–2018 2019

    Google Scholar 

  3. Thun S, Dewenter H. ICD-11, ICHI and SNOMED CT-What do the standards mean for eHealth applications?. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2018;61(7):812–20

    Google Scholar 

  4. Alonso V, Santos JV, Pinto M, Ferreira J, Lema I, Lopes F, et al. Problems and Barriers during the Process of Clinical Coding: a Focus Group Study of Coders’ Perceptions. J Med Syst. 2020;44(3):62

    Google Scholar 

  5. Busse R, Geissler A, Aaviksoo A, Cots F, Hakkinen U, Kobel C, et al. Diagnosis related groups in Europe: moving towards transparency, efficiency, and quality in hospitals? BMJ. 2013;346:f3197

    Google Scholar 

  6. Iqbal E, Mallah R, Rhodes D, Wu H, Romero A, Chang N, et al. ADEPt, a semantically-enriched pipeline for extracting adverse drug events from free-text electronic health records. PLoS One. 2017;12(11):e0187121

    Article  Google Scholar 

  7. Zeng Z, Deng Y, Li X, Naumann T, Luo Y. Natural Language Processing for EHR-Based Computational Phenotyping. IEEE/ACM Trans Comput Biol Bioinform. 2019;16(1):139–53

    Article  Google Scholar 

  8. Dublin S, Baldwin E, Walker RL, Christensen LM, Haug PJ, Jackson ML, et al. Natural Language Processing to identify pneumonia from radiology reports. Pharmacoepidemiol Drug Saf. 2013;22(8):834–41

    Article  Google Scholar 

  9. Shimazawa R, Kano Y, Ikeda M. Natural language processing-based assessment of consistency in summaries of product characteristics of generic antimicrobials. Pharmacol Res Perspect. 2018;6(6):e00435

    Article  Google Scholar 

  10. Amarouche IA, Ahmed Zaid D, Kenaza T. Implementation of a Medical Coding Support System by Combining Approaches: NLP and Machine Learning. Heterogeneous Data Management, Polystores, and Analytics for Healthcare. Lecture Notes in Computer Science2019. p. 133–47

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Lehrstuhl für Management und Innovation im Gesundheitswesen, Fakultät für Wirtschaft und Gesellschaft, Universität Witten/Herdecke, Witten, Deutschland

    Jonathan Koß

Authors
  1. Jonathan Koß
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Jonathan Koß .

Editor information

Editors and Affiliations

  1. Universität Witten/Herdecke, Witten, Deutschland

    Sabine Bohnet-Joschko

  2. Universität Witten/Herdecke, Witten, Deutschland

    Katharina Pilgrim

Rights and permissions

Reprints and permissions

Copyright information

© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Koß, J. (2023). Künstliche Intelligenz in der Krankenhausabrechnung. In: Bohnet-Joschko, S., Pilgrim, K. (eds) Handbuch Digitale Gesundheitswirtschaft . Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-41781-9_58

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-41781-9_58

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-41780-2

  • Online ISBN: 978-3-658-41781-9

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation