醫療病歷 AI 落地:自動病歷摘要、ICD-10 編碼與病歷品質稽核的實作劇本

上個月我坐在一家區域教學醫院的病歷科,對面是一位資深病歷管理師。她桌上攤著一疊出院病歷,手邊三個視窗:HIS、編碼查詢工具、還有一份自己維護了六年的 Excel 對照表。我問她一份複雜住院病歷從讀完到編完碼要多久,她想了兩秒:「順的話二十分鐘,遇到多重共病、手術加感染,四十分鐘跑不掉。」

這不是效率問題,是結構問題。台灣醫院的 DRG 給付、健保申報、住院品質指標,全都壓在病歷科這幾個人身上。人一少,積案就像雪球。而多數醫院想解決的方式,是再買一套「AI 病歷系統」——Demo 很漂亮,上線後沒人用。我們接手過這種案子,所以這篇不談願景,只拆解病歷科真正每天在做的三件事,以及 AI 能扛到哪、扛不動哪。

病歷 AI 與 ICD 編碼,到底在自動化什麼

先把話說清楚。所謂病歷 AI ICD 編碼,不是讓模型「取代編碼員」,而是把一份非結構化的病歷文本,轉成三種可被下游系統使用的產出:一份給醫師與稽核用的結構化摘要、一組帶信心分數的 ICD-10-CM/PCS 候選碼、以及一份標記出缺漏與矛盾的品質清單。編碼員的角色從「從零開始查碼」變成「審核與拍板」。

這個區分很重要,因為它決定了系統該怎麼設計。如果目標是取代,你會追求端到端全自動,結果錯一個主診斷斷全院申報被核刪。如果目標是輔助,你追求的是召回率高、可追溯、每個建議碼都能點回原文那一句話。我們一律選後者。原因很現實:編碼錯誤在健保端是會被追扣的,沒有醫院敢把最終決定權交給不能解釋的黑箱。

第一件事:自動病歷摘要

住院病歷動輒上百頁,護理紀錄、檢驗、影像報告、用藥、手術紀錄散在各處。編碼員第一步不是編碼,是「讀懂這個病人這次住院發生了什麼」。這一步最耗時,也最適合交給 RAG 知識系統來做。

我們的做法是把病歷切分成有語意的區塊,用檢索把同一個臨床事件的散落資訊聚合起來,再產出一份結構化摘要:主訴、主要診斷、次要診斷與共病、執行過的處置與手術、以及關鍵的時間軸。每一句摘要後面掛著來源引用,點下去直接跳到原始病歷那一段。這條引用鏈是整個系統的信任基礎——沒有它,編碼員不會相信任何一個字。

摘要不是為了好看。它是後面編碼與稽核的輸入,品質差,後面全錯。

第二件事:ICD-10 編碼建議

有了結構化摘要,編碼才有依據。模型針對每個臨床事件產出候選 ICD-10 碼,附上信心分數與「為什麼是這個碼」的原文依據。這裡有幾個台灣現場的坑,值得講:

第一,主診斷的認定要跟著出院診斷與住院目的走,不能只看哪個碼「字面最像」。我們把 DRG 分組邏輯與院內的主診斷選擇規則寫進提示與後處理,而不是丟給通用模型自由發揮。第二,PCS 手術碼的第七軸(路徑、器械)最容易漏,我們會強制模型回頭去手術紀錄找證據,找不到就不給碼,而不是猜。第三,共病與併發症(CC/MCC)直接影響給付,漏編就是漏收入,所以召回率的門檻設得比精確率高——寧可多建議、讓人刪,也不要漏。

實測下來,編碼員不是接受或拒絕一個碼,而是在一份已經排好、附證據的候選清單上勾選與微調。查碼、翻書、比對這些機械動作沒了,判斷留給人。

第三件事:病歷品質稽核

這是最被低估、也最有價值的一環。很多缺失不是編碼錯,是病歷本身寫得不完整——有處置沒診斷支撐、有用藥沒對應病名、出院診斷和住院經過對不起來。這些在申報後才被核刪,補件成本極高。

AI 稽核的價值在於「事前」。系統在編碼的同時,把矛盾與缺漏標出來:診斷與處置不匹配、缺少必要的病理報告佐證、CC/MCC 有臨床跡象卻沒被主治醫師記載。這份清單讓病歷科可以在出院當下就回退給臨床補正,而不是三個月後收到核刪通知。稽核從救火變成防火。

量化:工時與正確率,before / after

講服務沒有數字都是空話。以下是我們在一家中型醫院導入後,以三個月穩定期對照導入前基準的實際區間(依科別複雜度不同會有落差):

要誠實講取捨。工時降下來的前提,是編碼員願意改變工作習慣,從「自己查」變成「審核 AI」,這個心理轉換比技術難。有些資深編碼員一開始抗拒,覺得被質疑專業。我們的處理方式是讓系統永遠只當建議、決定權完全在人,並且用他們自己的歷史編碼去校準模型——當他們發現系統其實在學他們的判斷,抗拒才化解。另外,正確率的提升高度依賴前面摘要與引用鏈的品質,底層病歷文本太亂的科別,收益會打折。

為什麼利基,反而是機會

病歷 AI ICD 編碼是一個高意圖、低競爭的題目。它不性感,不會上新聞,但每一家醫院的病歷科都在痛,而且痛得很具體——具體到可以用工時和核刪金額直接算 ROI。市面上多數 AI 供應商往通用大題目擠,反而少有人願意蹲進病歷科,搞懂 DRG 分組、健保核刪規則、和一位管理師六年的 Excel 對照表。

我們做這件事的方式,是派工程師進場,坐在病歷科旁邊,用他們真實的病歷、真實的編碼習慣去調系統,直到使用率不是 4% 而是每天都在跑。Demo 那天全場點頭不算數,三個月後積案當日清空、編碼員自己回頭來說「這個好用」,才算數。