在医疗AI实验室本阶段实验中，我们把病历质控拆成一个可评测的多模态任务：输入为入院记录、首次病程与入院首日检验结果，输出为结构化缺陷清单，涵盖缺项、前后矛盾与数值描述不符三类。
方法上不做端到端黑箱生成，而是分两步走：先用规则加小模型抽取要素（主诉时长、既往史、过敏史、关键检验值），再由大模型做跨来源一致性比对；每条结论均绑定原文片段，便于医生回溯。为抑制幻觉，模型仅对已抽取要素作答，未覆盖字段一律返回“未提及”。
进展：在院内脱敏的1200份入院记录上，要素抽取字段级F1为0.91，一致性核查召回0.86，其中“检验值与病程描述不符”一类召回最高；医生端试用显示，单份病历复核时间由约4分钟降至1.5分钟。
下一步计划：一是将出院小结与医嘱用药纳入比对范围，重点验证剂量与频次的跨文书一致性；二是把医生的采纳与驳回记录作为弱标签，按月做阈值校准；三是完善缺陷分级，避免格式类问题与临床风险并列提示。
评论