病历质控长期停留在形式层：缺项、签名、时限。真正的临床风险常藏在内涵层——主诉与诊断不符、用药与肾功能不匹配、危急值未闭环。医疗AI实验室本阶段的实验，是把质控从规则匹配推向语义判断。
做法分三步：先把病历拆成可核验的临床事实（症状、检验值、诊断、用药、时间轴）；再让规则引擎与轻量模型分工，硬性条目走规则，逻辑一致性交模型；最后要求每条缺陷回指原文片段与判定依据，避免只给结论不给证据。
要点：
- 阶段进展：在脱敏门诊病历抽样集上，内涵类缺陷召回较纯规则基线有明确提升；误报集中在病程记录口语化表达与既往史引用，已通过上下文窗口扩展与否定词处理收敛。
- 下一步：接入检验危急值与用药剂量校验，并按科室回流缺陷分布，用于临床端的前置提醒。
目标不是替代质控员，而是把可疑点排序，让人只看最需要看的那几份。
评论