门诊病历AI质控：要素抽取与缺陷提示

门诊病历是质控中最难量化的环节，人工抽查通常覆盖不到5%。医疗AI实验室做了一组实验：把大模型的结构化抽取能力与科室质控规则结合，先解决「能不能自动读出病历里的要素」，再解决「读出来之后怎么给出可执行的提示」。

目前采用两段式做法。一是抽取层，从非结构化文本中提取主诉、现病史、既往史、诊断、用药、检查等字段；在常见模板下字段级准确率约92%，换成自由文本书写方式后降至约80%，书写不规范仍是主要误差来源。二是规则层，用确定性规则判断缺项、前后矛盾、诊断与用药不符等情况，只把规则命中的问题交给模型生成改写建议，避免提示泛化。

阶段性进展：
· 试点科室中，系统每日自动扫描当日门诊病历，提示采纳率约六成。其中「缺项补录」类提示采纳最高；「诊断与用药不符」误报偏多，正在补充药品适应证词表。
· 下一步按科室拆分规则库，并引入时间轴校验，处理「既往用药与本次处方冲突」这类跨段落问题。