基于RoBERTa与GPT-4的ICD-10编码辅助系统开发：术语提取与描述驱动代码选择的创新研究

为解决ICD-10编码自动化中人工精度不足与模型可解释性差的问题，研究人员开发了结合RoBERTa（术语提取）与GPT-4（描述生成）的检索增强生成（RAG）系统。研究创建了CodiEsp-X-lead数据集，实现术语提取F1 -score达0.80，但RAG阶段表现受限（F1 -score=0.305），为医疗编码AI化提供了流程优化新思路。

　　

医疗编码是医院管理的核心环节，但手动分配国际疾病分类第十版（ICD-10）代码耗时且易错。尽管人工智能（AI）在自动化编码领域展现出潜力，现有系统仍面临两大难题：一是性能落后于人工水平，二是缺乏符合医疗场景要求的可解释性。这些问题严重阻碍了AI技术在临床实践中的应用。

为突破这些瓶颈，一项发表在《JMIR Formative Research》的研究探索了大型语言模型（LLM）辅助医疗编码的新路径。研究团队开发了一套计算机辅助编码系统，其创新性体现在两方面：首先采用RoBERTa（一种优化的双向编码器表示模型）精准提取临床文本中的"主导词"（lead terms），这是编码员工作流程的第一步；其次利用GPT-4生成代码描述，通过检索增强生成（RAG）技术完成代码匹配。

研究采用CodiEsp-X数据集（含1000例西班牙语临床病例）作为基础，通过GPT-4少样本提示创建了CodiEsp-X-lead新数据集，将原始文本证据标注转换为主导词标注。关键技术包括：1）微调RoBERTa实现主导词识别（F₁
-score=0.80）；2）GPT-4生成代码描述以优化RAG检索；3）基于OpenAI的text-embedding-ada-002模型构建向量数据库；4）多步骤评估框架测量各环节性能损失。

【主要结果】

1. 主导词提取：RoBERTa模型在诊断代码主导词识别中表现优异（F₁
   -score=0.82），显著优于全文本证据提取的基线模型（F₁
   -score=0.65）。
2. 描述生成优化：GPT-4生成的代码描述使RAG检索失败率降低5%（诊断代码从42.1%降至37.1%），对不完整流程代码（4轴代码）改善更显著（失败率从48.8%降至23.6%）。
3. 系统整体表现：尽管主导词提取成功，但RAG流程最终F₁
   -score仅0.305，远低于当前最优水平（0.633），主要受限于代码描述缺失和流程偏离人工编码规范。

【结论与意义】
研究证实了主导词提取策略的可行性，这为开发符合编码员工作习惯的AI工具奠定了基础。然而，单纯依赖代码描述的RAG方法效果有限，尤其对缺乏官方描述的流程代码（占比54%）表现更差。值得注意的是，该研究创建的CodiEsp-X-lead数据集为后续研究提供了宝贵资源，其通过GPT-4辅助标注的方法可推广至其他标注成本高的医学NLP任务。

讨论部分指出，未来研究应更紧密模拟人工编码流程：整合字母索引（alphabetic index）和官方指南，而非仅依赖代码描述。这提示医疗AI开发需深度结合领域工作规范，单纯技术优化可能收效有限。尽管当前系统性能未达预期，但该研究为理解LLM在专业医疗任务中的优势和局限提供了重要实证，尤其揭示了GPT-4在ICD编码任务中的参数知识局限性（描述匹配准确率仅52%）。这些发现对医疗NLP领域的方法论选择具有指导价值，强调需要开发兼顾技术性能与临床实用性的混合智能系统。