AI门诊病历质控实验：缺陷分类与整改闭环

门诊病历质控长期依赖人工抽检，覆盖率与一致性难以兼得。本期实验把质控拆成可验证的两层：规则层负责硬性字段（主诉时长、诊断编码、用药剂量单位），模型层负责语义一致性（现病史与主诉矛盾、诊断与用药不匹配、模板复制痕迹）。模型输出不直接判罚，而是生成带原文片段的缺陷条目，经质控医师确认后回写医生端待办，形成整改闭环。

进展与数据：

• 在脱敏的1,200份门诊病历上做回顾性测试，硬性字段缺陷召回96%，语义类缺陷召回81%，单份平均耗时从人工约4分钟降至22秒；误报主要来自专科缩写与模板化表述。
• 已积累380条缺陷示例的标注集，并按科室做阈值分层，避免用同一灵敏度误伤儿科、皮肤科等短病历科室。

下一步：接入实时写入链路，在医生保存病历时提示而非事后通报；用整改反馈作为偏好数据，训练更贴近本院书写习惯的判定模型；扩展到急诊留观与日间手术病历，评估跨科室迁移时的阈值漂移。