陆慧菁：大模型辅助病案编码，会让编码员失业吗？

来源：HIT专家网      作者：龚晨 整理

“大模型可以替代病案编码员吗？”经过一段时间基于大模型进行病案智能编码的实践经验，广州医科大学附属第二医院（以下简称广医二院）运营办公室主任陆慧菁对这个问题给出了否定答案。

身为医院运营办主任，陆慧菁的工作职责之一是制定全院年度目标，公立医院绩效监测与医保支付改革这两项任务是重中之重。“既要绩效监测成绩好，又要医保有结余，在没有大量投入的背景下，如何才能更好地完成这些任务？”陆慧菁认为，绩效考核与医保支付都有一个关键环节，就是病案首页与CMI值（Case Mix Index，病例组合指数）。面对大模型浪潮，陆慧菁选择从病案数据矫正与CMI优化切入，寻找大模型的应用场景。

结合大模型与传统模型，聚焦两类应用场景

“我从信息科转岗至运营办，至今已满四年。转岗后，我对大模型等新技术的跟进肯定没有之前深入，但我可以从更贴近运营业务目标的视角，推动技术落地。”陆慧菁认为，大模型与传统模型并非替代关系，两者各有所长：

大模型的核心突破在于规模效应和通用性，在复杂任务领域的表现接近人类，适用于临床诊疗支持、病案首页质控与DRG/DIP分组、患者服务与智能问答、科研与文献挖掘等医疗场景；其挑战是计算成本高、推理延迟大、存在幻觉风险。

传统模型则胜在可解释性强、资源消耗低，适合结构化数据和小规模场景，如医疗质量监控、医院运营管理、医保监控、影像辅助诊断等；其挑战是对复杂模式的捕捉能力有限，依赖人工干预。

“未来的发展趋势应是两者结合，如将大模型蒸馏为轻量级模型，或传统模型调用大模型API。”有着20多年医院信息科从业经历的陆慧菁，很快就捕捉到了两个适用于大模型与传统模型混合架构的典型场景。

其一是病案数据的全流程质控。在这个场景中，大模型负责解析病程记录文本，提取诊断/手术关键词，并结合医疗知识图谱，校验诊断间的逻辑冲突；传统模型，如XGBoost可校验诊断与检验结果的逻辑一致性，规则引擎的作用是强制校验医保合规字段，如年龄与疾病关联性等。

其二是CMI值的动态优化。在这个场景中，大模型可进行政策与知识解析，实现与医保、绩效监测规则的动态适配；传统模型则能基于历史数据训练，实现CMI分值趋势预测、识别科室CMI偏离同级别医院均值的病例、防止过度编码等功能。

“总结一下，大模型主攻非结构化数据解析和复杂决策辅助，传统模型则专注结构化数据预测和资源优化。”陆慧菁说。

基于上述思路，广医二院希望建设一个AI智能编码平台，在病历内涵质控方面更进一步。整体设计思路是：在工作流层，将编码工作拆解为标准化步骤链，如诊断提取、主次判定、并发症关联、编码映射等；在推理引擎层，通过本地部署开源大模型，基于步骤上下文逐步推理，动态查询知识库辅助推理；在应用层，结合具体业务（如DRG、DIP、编码质控），具体分析问题。

AI智能编码平台的落地进阶之路

“理想很美好，实际落地问题重重。”陆慧菁说，广医二院的AI智能编码平台建设，经历了三个阶段。

第一个阶段是“直接使用大模型”。医院尝试将整本病历直接输入大模型，要求生成ICD-10国临版诊断编码，结果不可用。主要问题包括：编码不完整，常遗漏重要诊断；大模型生成的编码不符合ICD-10编码规则，或者根本不存在于国临版编码字典内。

陆慧菁认为，这是由于大模型缺乏精准遵循复杂医学编码规则、确保完整性与字典一致性的专业能力。因此，“目前无法替代专业编码工具或人员完成任务”。

第二个阶段是“微调大模型”。医院针对ICD-10国临版编码任务构建专用数据集，对大模型进行预训练和指令微调。此阶段，大模型生成的诊断编码质量有所提升，但依然存在大量错误，基本不可用，包括：关键诊断编码遗漏、生成非国临版字典内的编码（也即幻觉）、组合编码错误，以及对病历复杂细节理解偏差导致的规则应用错误等。

“经过多轮测试，我们得出结论，对大模型进行微调无法达到预期。就算能暂时达到效果，训练成本也过高。”陆慧菁说。

第三个阶段是“大模型+知识库”并驾齐驱，实现静态知识与动态能力的解耦与协同。医院基于ICD-10/ICD-CM3国临版全量编码知识，进行范式转换，将静态编码规则与字典知识外置于独立、可灵活更新的知识库中；通过向量化语义检索技术，使得大模型能根据病历上下文动态查询并引用相关知识片段，在推理中理解复杂病历语义、识别关键诊断实体及其关系，并基于检索到的权威指南，进行精准的编码组合。

进入“大模型+知识库”的协同阶段，仍需攻克不少实操难题。陆慧菁介绍了测试过程中的一个典型案例：在一份患者主诉及所有影像学资料均指向左小脑病灶、且病历未提及肺部相关炎症或检查结果的病案中，大模型给出“左肺恶性肿瘤”的疾病编码，出现严重幻觉。经排查，这是知识库检索污染（检索系统仅以字面“左”字做浅层匹配，错误命中大量“左肺”相关条目）、模型过度发散推理导致的。

如何解决这个问题？广医二院从三方面入手：首先是升级知识检索，采用“关键词召回+向量相似度排序”等方案；其次是提示词优化，将提示词从“请推理该患者的疾病”升级为“仅当满足以下条件时输出疾病编码：一、病历明确提及诊断结论。二、检查结果支持且符合临床路径”；第三是对模型参数进行医学化调优，以降低随机发散性，聚焦高概率。

“完成这些优化后，工作还未结束。我们与病案科深度合作，找到了更多测试病例进行验证。”陆慧菁说，这就像数学的解题验证：老师讲透一道例题，学生看似掌握了公式，但若换一道同原理的变式题仍会出错，就说明对核心逻辑的理解还不够扎实。模型验证也是如此，只有通过更多样化、更复杂的病例测试，才能暴露潜在漏洞，真正夯实其临床应用的可靠性。

在CMI值的动态优化方面，AI智能编码平台也已展现重要价值。比如，疑似缺失CC（合并症）或MCC（主要合并症）诊断，导致DRG权重丢失的病历，如何处理？如何避免这部分的CMI分值损失？

AI智能编码平台可抓取编码员编写的诊断，并提供“智能入组”功能，点击“查看分析”后，能看到两者入组结果的对比，并支持根据智能编码补齐诊断信息。据介绍，广医二院测试了2024年10月共计8700多份病历，AI智能编码平台抓取了编码可能存在问题的病历700多份。“我们对这700多份病历逐一人工复核，平台的命中率从一开始的60%，到现在接近75%，对CMI值的优化起到了很大的作用。”

对大模型价值的再思考

从广医二院的上述实践来看，大模型可以实现全病历的瞬时深度阅读，解决因编码员人力短缺导致的病历积压问题。但，“人力真的减少了吗？大模型可以替代编码员吗？”陆慧菁认为上述两个问题的答案都是否定的，原因之一是模型给出的结果并非完全可靠，二是伦理问题无法回避：如果出错，由谁来承担责任？“在当前阶段，我们更多将其用于病案编码后的二次筛查，先由模型定位疑似错漏，再由编码员针对性复核确认。”

从医院运营管理的角度来看，AI智能编码平台的重要价值在于，模型通过深度理解医学术语上下文关联，智能捕捉隐含诊断线索，一方面杜绝漏诊，另一方面可大幅降低DRG入组错误导致的权重损失，使得CMI值系统性提升，从而强化医院的绩效考核竞争力。

在此基础上继续延展，陆慧菁认为，基于对临床诊疗逻辑内在规则的学习，模型能主动发现诊断间的矛盾点（如“顺产”与“剖宫产手术”并存），拦截不合理的编码组合，填补人工抽检盲区。“这种智能编码，适用病案、质控、医生、医保等多个场景。但我们还没有放在医生端使用，主要是受制于算力。”

谈及未来发展，陆慧菁认为以下问题值得关注：

一是算力平台架构问题。当前AI应用服务商都会对医院提出算力要求，如果医院没有统一规划，后续的算力管理将变得混乱。广医二院正在规划建设算力管理平台，将单个应用的算力独占转为资源的全院共享。

二是标准体系与数据质量。原始数据质量非常重要，标准化必须先行。“数据质量的治理，应是边标准化边使用，使用后再标准化，实现数据质量螺旋式上升。”

三是安全体系建设。“即便大模型采用本地化部署方式，稍不注意，依然有数据泄露的风险。这点需要特别注意。”

【责任编辑：陈曦 版式：明超】