既存の画面の中で、
3つのステップで動作します。
別のシステムを導入しません。MEVはEMR/OCSワークフローの中で推薦し、医療従事者が確定します。
EMR/OCS連携
病院内ネットワークで既存システムと接続します。データは病院の外に出ません。
分析・推薦・根拠
請求・コーディング・逆紹介で推薦と下書きを作成し、すべての結果に根拠を伴います。
医師による確定・記録
確定は医師が行います。誰が・何を・いつ確定したかが監査証跡に残ります。
病院の収益・記録・提供体制、
3つを同時に。
3つの領域は対等です。各領域でMEVは推薦と下書きを作成し、医療従事者が確定します。
診療報酬・請求最適化AI
請求の直前に査定減点リスクと漏れを点検し、正当な収益を守ります。
- 請求前の査定減点リスクを事前に遮断
- 請求漏れの発掘
- 請求精度の向上
自動化された臨床コーディング変換・推薦
診療記録・読影・処置を診断・診療報酬コードとして推薦し、確定は医師が行います。
- 反復的なコーディング作業時間の短縮
- コーダー間のばらつき低減
- コーディング精度 = 請求・統計の精度
診療紹介・逆紹介AIエージェント
逆紹介が必要な患者を特定し紹介状の下書きを作成して、逆紹介率の指標を管理します。
- 特定機能病院・大学病院の指定評価における逆紹介率指標の管理
- 紹介状作成時間の短縮
何をどのように行うかで
証明します。
MEVが実際に行うことをお見せします。導入病院の実測指標は、データが確定し次第、別途公開します。
ひとつのエージェントがエンコーダーの文脈を読み取ります
記録・読影・処置・請求をともに理解し、分断されたツールではなくひとつの流れとして推薦します。
請求の査定減点を事前に防止
請求直前に査定リスク項目を検知し、根拠とともに是正ポイントを提示します。
逆紹介対象の自動特定
基準に合致する患者を特定し紹介状の下書きを作成して、指標管理を支援します。
臨床コーディングの自動推薦
記録・読影・処置から診断・診療報酬コードを推薦し、漏れを点検します。
根拠に基づく請求精度
コーディングと請求を根拠でつなぎ、精度と適正性評価への対応を高めます。
特定機能病院・大学病院が導入できるよう
設計しました。
データは病院の外に出ず、判断は医師が下し、すべての過程が追跡されます。MEVは別のシステムではなく、既存のEMR/OCSワークフローの中で動作します。
データガバナンス
患者データは病院のネットワークから外に出ません。
- ·オンプレミス・閉域網(ネットワーク分離)での提供に対応
- ·仮名化のうえ処理、識別情報の外部送信なし
- ·医療法・個人情報保護法を基準に設計
規制適合性
医療法・個人情報保護法を基準に設計し、結果の臨床的妥当性を検証します。
- ·設計段階からの医療法・個人情報保護法の遵守
- ·臨床的妥当性・根拠の検証プロセスを内蔵
Human-in-the-loop
AIは推薦・下書きまで。確定は医師が行います。
説明可能なAI · XAI
根拠のない結果は出力しません。
- ·すべての推薦に記録文言・コード・ガイドラインの出典を付与
- ·出典チップでどの根拠から導かれたかを即座に確認
医療・AI・規制を理解する
チームが手がけます。
MEVは、臨床現場と保険審査、AIエンジニアリング、医療規制をともに理解するチームです。
代表紹介
Tae-Hoon Ko
カトリック中央医療院 人工知能脳科学事業団 教授
カトリック中央医療院で医療AIとデータ標準化を研究してきた医療情報学者。臨床データの専門性を、MEVの請求・コーディング・逆紹介の製品として実装します。
- 学歴
- ソウル大学校 産業工学 博士 · データマイニング専攻
- 受賞
- 大韓医療情報学会 情報医学学術賞(2024) · 保健福祉部長官表彰
- 研究
- 医療AIのSCI論文30編以上 · マルチモーダル臨床AI・データ標準化ほか多数
導入前によく
いただく質問。
AI医療エージェント、データセキュリティ、規制対応、既存のEMR/OCS連携について、よくいただく質問をまとめました。
MEVはどのような会社ですか。
MEVは、特定機能病院・大学病院のためのAI医療エージェント企業です。診療報酬・請求最適化(RCM)、自動化された臨床コーディング変換・推薦、診療紹介・逆紹介の3つを、医療従事者の既存のEMR/OCSワークフローの中で支援します。すべての推薦には根拠が伴い、確定は医師が行います。
AI医療エージェントは、従来の医療AIと何が違うのですか。
MEVのAIエージェントは、単一の診断補助ではなく、記録・コーディング・請求・逆紹介へと続く事務ワークフローを最後まで支援します。別のシステムを導入せずEMR/OCS画面の中で推薦・下書きを作成し、すべての出力に出典・医師確認・監査証跡を付与します。
請求の査定減点はどのように防ぐのですか。(保険審査・RCM)
請求の直前に、審査基準に照らした査定減点リスク項目と請求漏れを点検し、なぜリスクがあるのかを根拠とともに表示します。DPC・DRG・自由診療を含む適正性評価の指標をモニタリングし、正当な収益を守ります。
臨床コーディングの自動化はどのように動作するのですか。
診療記録・読影・処置の記録から診断(KCD)・診療報酬・処置コードを推薦し、根拠となった記録の文言をあわせて表示します。AIは推薦までを行い確定は医師が行い、確定されたコードはそのままEDI請求に連携されます。
診療紹介・逆紹介の機能は何を行うのですか。
逆紹介が必要な患者を自動で特定し、紹介状・逆紹介書の下書きを作成して、連携医療機関とマッチングします。特定機能病院・大学病院の指定評価における逆紹介率の指標管理を支援します。
AIが医師の判断を代替するのですか。
いいえ。MEVはHuman-in-the-loopの原則に従います。AIは根拠とともに推薦・下書きを提示し、最終確定は常に医師が行います。誰が・何を・いつ確定したかは監査証跡(audit log)に記録されます。
患者データは安全ですか。病院の外に出ますか。
患者データは病院のネットワークから外に出ません。オンプレミス・閉域網(ネットワーク分離)での提供に対応し、仮名化のうえ処理し、識別情報を外部に送信しません。
医療法・個人情報保護法などの規制にはどのように対応していますか。
設計段階から医療法・個人情報保護法を基準につくり、結果の臨床的妥当性と根拠を検証するプロセスを内蔵しています。医療機器(SaMD)該当性についても検討します。
既存のEMR/OCSとはどのように連携しますか。
MEVは別のプログラムではなく、医療従事者の既存のEMR/OCS画面の中で動作します。別途のログインや二重入力なく、診療の流れを止めずに推薦を表示します。
導入効果やデモはどのように確認できますか。
30分のデモで、請求・コーディング・逆紹介のうち関心のある領域を直接お見せします。導入病院の実測指標はデータが確定し次第別途公開し、推定値を事実のように提示することはありません。