面向可扩展且可解释医学编码的下一代智能体系统
人工智能
2026-04-01 v1 机器学习
摘要
医学编码将自由文本临床文档转换为从包含数万个条目且每年更新的分类系统中抽取的标准化代码。它是账单、临床研究和质量报告的核心，但仍大多数手动、缓慢且容易出错。现有自动方法学习从标记数据预测固定的代码集，从而阻止适应新代码或不同编码系统而无需在不同数据上重新训练。它们也不提供对预测的解释，限制了在安全关键环境中的信任。我们介绍面向医学编码的Symphony系统，采用专家人类编码器的方式：通过直接访问编码指南对临床叙述进行推理。这一设计使Symphony能够跨越任何编码系统，并提供将每个预测代码与支持其文本关联的片段级别证据。我们在两个公共基准和三个真实世界数据集上进行评估，涵盖美国和英国的住院、门诊、急诊和专科设置。Symphony在所有设置中实现了最先进的成绩，确立了其作为自动临床编码的灵活、部署就绪的基础。
引用
@article{arxiv.2603.29709,
title = {Symphony for Medical Coding: A Next-Generation Agentic System for Scalable and Explainable Medical Coding},
author = {Joakim Edin and Andreas Motzfeldt and Simon Flachs and Lars Maaløe},
journal= {arXiv preprint arXiv:2603.29709},
year = {2026}
}