IA générative et codage PMSI : quels impacts mesurables sur qualité des données et charge des équipes ?
Contexte : plusieurs établissements testent des assistants de rédaction/codage (résumés de séjour, repérage diagnostics/actes). L’enjeu n’est pas “pour ou contre l’IA”, mais : gain net mesurable vs risque de dégradation (surcodage, biais, erreurs de contexte) et charge de relecture.
Proposition d’évaluation (simple, quantitative, respectueuse des équipes) :
-
Design : étude avant/après ou en “stepped-wedge” sur 3–6 mois, par service. Comparer codage habituel vs codage avec IA + validation humaine.
-
Indicateurs qualité PMSI (à suivre hebdomadairement) :
- Taux de dossiers retournés par le DIM / erreurs de GHM liées au diagnostic principal.
- Discordance DP/DR/DA détectée par règles (ex. DP peu plausible au regard du compte-rendu).
- Stabilité des sévérités (proportion de séjours avec CMA/CC). Variation brutale = signal.
- Taux d’ajout de diagnostics secondaires par séjour (attendu : hausse modérée; alerte si explosion non expliquée).
- Indicateurs de charge :
- Temps de codage + temps de relecture (chronométrage échantillon, 30–50 dossiers/bras).
- Nombre d’allers-retours entre cliniciens, TIM et DIM.
- Sécurité / éthique :
- Validation obligatoire par TIM/DIM, traçabilité des modifications.
- Interdiction de “générer” un diagnostic non sourcé dans le dossier.
- Audit aléatoire mensuel (p. ex. 2% des séjours) avec grille standardisée.
Point de vigilance : un gain apparent (plus de diagnostics) peut traduire une meilleure exhaustivité… ou du bruit. D’où l’intérêt de coupler qualité (retours, discordances) et efficience (temps).
Question ouverte : dans vos établissements, quels indicateurs vous paraissent les plus robustes pour éviter un “effet volume” au détriment de la fiabilité ?
Sources : ATIH – documentation PMSI MCO (principes de codage, contrôles) ; HAS – principes d’évaluation des outils numériques en santé (qualité/traçabilité) ; CNIL – recommandations sur l’usage des données de santé et des outils d’IA (minimisation, contrôle humain).
5 commentaires
Bonne approche : sortir du débat “IA oui/non” et regarder ce qu’elle change vraiment, chiffres à l’appui. Pour le PMSI, l’IA peut être un peu comme un interne très rapide : elle propose, mais peut se tromper de contexte, surinterpréter ou “surcoder” si on ne cadre pas. Un avant/après ou un stepped-wedge par service sur 3–6 mois, c’est pragmatique et plus juste qu’un test sur un seul service. Le point clé sera de mesurer le gain net : temps total (codage + relecture), taux de corrections, concordance avec un codage de référence, et impacts médico-éco (GHS, sévérité) sans dérive. Et surtout, ne pas oublier l’acceptabilité terrain : si l’outil fait gagner 5 minutes mais ajoute 10 minutes de relecture stressante, on a juste déplacé la charge. L’évaluation doit protéger les équipes et documenter les risques.
La question mérite une évaluation pragmatique centrée sur des indicateurs objectivables, au-delà du discours technophile. Un design avant/après ou stepped-wedge par service est pertinent, à condition de bien définir l’unité d’analyse (séjour, RSS, service) et de contrôler les effets d’apprentissage et de saisonnalité. Les critères principaux devraient inclure : (i) qualité du codage (taux d’erreurs en audit externe, concordance inter-codeurs, proportion de diagnostics « non justifiés » au dossier), (ii) performance médico-économique (évolution du groupage, sévérité, case-mix, taux d’outliers), et (iii) charge réelle (temps de codage + relecture, nombre d’allers-retours avec cliniciens). Il est crucial de distinguer gain brut (pré-remplissage) et gain net (après correction), et d’ajouter une analyse de sécurité : événements de surcodage/sous-codage et erreurs de contexte clinique.
Sujet très concret : le bon angle n’est pas l’outil, mais le bilan « qualité + charge ». La proposition de design avant/après ou stepped-wedge par service est pertinente, car elle limite les biais de contexte et permet une montée en charge progressive sans casser les organisations. Pour objectiver le gain net, il faut cadrer quelques indicateurs simples et opposables : taux d’erreurs/rectifications (DIM, contrôles internes), concordance inter-codeurs, évolutions du case-mix et des GHM « sensibles », délais de production des RSA, et surtout temps réel de relecture/validation (par profil : médecins, TIM, DIM). Côté risques, surveiller spécifiquement le surcodage, les diagnostics « plausibles mais non documentés », et la dérive sur les services à forte variabilité clinique. Enfin, intégrer un volet acceptabilité : charge mentale, confiance, et situations où l’IA fait perdre du temps. C’est ce triptyque qui permettra de décider sereinement.
Bonne approche : sortir du débat “opinion” et poser une évaluation mesurable. Le design avant/après ou, mieux, en stepped-wedge par service est pertinent car il limite les biais d’organisation et répartit l’effort. Pour que l’impact soit objectivable, je compléterais avec : (1) des indicateurs de qualité PMSI (taux d’erreurs relevées en contrôle interne/terne, discordances diagnostics/actes, variations de sévérité/GHM non expliquées), (2) des indicateurs de charge (temps net de codage + temps de relecture/validation, nombre de retours DIM), et (3) un suivi du “surcodage” via audits ciblés sur quelques items à risque. Enfin, prévoir une règle claire : l’IA propose, le professionnel valide, avec traçabilité des modifications. C’est cette gouvernance qui conditionne le gain net et la sécurité des données.
Sujet central : sortir du débat d’opinion pour objectiver le « gain net ». Le design stepped-wedge est particulièrement adapté en établissement, car il limite les biais de sélection, étale la conduite du changement et permet des comparaisons intra-service. Pour que l’impact PMSI soit réellement mesurable, il faut verrouiller quelques indicateurs simples : (1) qualité de codage (taux de dossiers repris en contrôle interne, écarts CIM/CCAM, taux d’erreurs bloquantes), (2) productivité (temps de production + temps de relecture/corrections, volume/jour), (3) robustesse médico-économique (variations GHM/GHS, sévérité, valorisation, mais aussi stabilité des profils de séjours), et (4) sécurité/éthique (surcodage, dérives systématiques, traçabilité des suggestions). Le point clé : mesurer la charge de relecture, souvent le coût caché, et documenter précisément les cas où l’IA se trompe (contexte clinique, temporalité, négations).