电子病历AI质控系统：缺陷识别与编码辅助

电子病历质控长期依赖人工抽查，覆盖范围与时效性有限。本实验室近期围绕病历文本质控开展阶段性实验，采用医学命名实体识别与大语言模型一致性校验相结合的技术路线，对入院记录、病程记录中的书写缺陷进行自动识别。
实验基于合作医院两个科室的脱敏病历数据推进，初步结果如下：

• 缺陷识别：针对诊断依据缺失、诊断与用药不一致等五类常见缺陷，识别准确率约89%，单份病历审核耗时由人工平均8分钟缩短至20秒以内；
• 编码辅助：基于病历文本的ICD-10编码推荐，Top-5命中率达92%，可作为编码员的前置参考。

当前模型对非标准表述与口语化描述的泛化能力仍有不足，误报主要集中在主诉与现病史语义重叠的场景。下一阶段计划扩充脱敏语料规模，引入科室维度的质控规则库，并在门诊病历场景开展小范围验证，逐步沉淀可复用的病历质控技术方案。