通用医疗编码器在实现真正互操作性中的必要性The Case for a Universal Medical Coder in Achieving True Interoperability - MedCity News

环球医讯 / AI与医疗健康来源:medcitynews.com美国 - 英语2026-01-09 23:08:05 - 阅读时长5分钟 - 2317字
本文深入剖析医疗行业实现真正数据互操作性的核心障碍,指出当前备受推崇的"对话式互操作性"虽能改善用户界面却无法解决基础数据质量问题;强调结构化、临床有效的数据是互操作性的真正基石,提出通用医疗编码器作为解决方案,可在诊疗点实时将自由文本转化为标准化临床代码(涵盖ICD、SNOMED CT、LOINC等体系),使FHIR等互操作框架真正发挥实效;呼吁行业优先投资数据完整性建设,避免因数据缺陷导致AI应用产生错误结果,最终推动以患者为中心的可持续互操作医疗体系的实现。
健康互操作性通用医疗编码器结构化临床数据数据质量对话式互操作性FHIR临床决策支持诊疗协调人群健康价值医疗AI大语言模型医疗数据
通用医疗编码器在实现真正互操作性中的必要性

医疗行业正再次进入对互操作性期望高涨的时期。联邦机构正在加强对信息封锁的执法力度,推广互操作性框架,扩展美国互操作性核心数据集(USCDI),并要求医疗服务提供者和技术开发商承担更大责任。

与此同时,行业领导者正推广"对话式互操作性"等新兴概念,其本质是让临床医生通过自然语言查询电子健康记录(EHRs)并立即获取相关信息。

这一愿景反映了人们对新技术(尤其是人工智能和大语言模型)将简化医生与复杂系统交互的乐观态度。然而历史提醒我们,对突破性技术的热忱往往超越现实。从早期的词汇标准到"语义互操作性",再到快速医疗互操作性资源(FHIR),每波互操作性倡议都承诺变革,却因同一障碍受阻:缺乏作为基础的清洁、结构化且临床有效的数据。

有前景但不完整的趋势

未来9至12个月,随着AI驱动界面演示持续吸引关注,"对话式互操作性"可能成为焦点。该概念之所以有吸引力,在于它承诺减少医生操作EHRs时的摩擦。但人工智能只能提取记录中存在的信息。如果底层数据不完整、非结构化或不准确,自然语言查询的结果同样会有缺陷。换言之,有缺陷的数据会导致有缺陷的对话。

大语言模型(LLMs)存在额外局限:它们可能产生幻觉,返回自信却错误的回应,且需要庞大的计算资源。缺乏结构化输入时,这些工具可能放大数据缺口和错误而非解决问题。同样,厂商演示虽具说服力,但实际应用揭示了建立在薄弱数据基础上的系统脆弱性。

持续存在的数据挑战

现实是多数医疗数据仍处于非结构化状态。关于症状、治疗和患者背景的关键细节常存在于自由文本记录或分散系统中,无法通过结构化查询获取。当这些信息无法可靠提取时,医生面临不完整的患者视图,损害医疗质量和安全性。

FHIR等标准提供了数据打包和传输机制,但未能解决数据临床意义的问题。实践中,FHIR常成为不一致或不完整信息的容器,而非可用性的保证。真正的互操作性不仅需要交换数据的能力,更要求交换的数据在不同系统、用户和使用场景中保持一致的临床含义。

结构化临床有效数据的重要性

结构化且临床有效的数据至关重要,原因如下:

  • 临床决策支持:医生依赖精确、上下文感知的信息做出安全有效的治疗决策。不准确或不完整的数据会直接影响患者结局。
  • 诊疗协调:随着医疗服务在医院、诊所和急后医疗设施网络中日益分散,共享标准化且有意义的数据对保证诊疗连续性至关重要。
  • 人群健康与价值医疗:风险分层、质量测量和基于结果的报销均依赖可聚合分析的准确结构化数据。
  • 创新赋能:无论是预测分析、临床决策支持还是新兴AI应用,高级工具的有效性完全取决于其依赖的数据质量。

没有可靠的数据基础,所有互操作性倡议(无论是对话式、语义式还是技术式)都将残缺不全。

通用医疗编码器的必要性

解决这一挑战的路径之一是开发和采用通用医疗编码器:一种能在诊疗点将临床概念转化为结构化、标准化且上下文准确表达的系统。

该工具可将自由文本输入和非结构化文档映射为跨词汇体系的一致临床有效代码,包括国际疾病分类(ICD)、医学系统命名法—临床术语(SNOMED CT)、观测指标标识符逻辑命名与编码系统(LOINC)等。

通用医疗编码器对监管合规和计费效率至关重要,但其更大价值在于构建真正的临床数据基础。通过在医生工作流程中实时捕获概念,它确保数据在各系统间保持准确、完整和互操作性。这将使FHIR等互操作框架兑现承诺,因为容器内的数据将与容器本身同样可用。

面向未来的布局

医疗领导者应避免将最新流行语视为终点。"对话式互操作性"虽引人入胜,但应视作更广泛架构中的一层。

根本挑战始终未变:行业必须首先投资数据完整性和保真度。只有如此,高级应用(如对话界面、预测性AI或人群健康分析)才能产生可持续影响。

此方法还需平衡。行业受益于创新和热忱,但必须以现实调和期望。令人印象深刻的演示不应分散对构建结构化临床有效数据集的艰苦工作。政策制定者、厂商和提供商都必须认识到:互操作性无法仅通过用户界面或标准解决。当每次患者诊疗都能产生可用、可交换且有意义的数据时,互操作性方能实现。

结论

医疗行业推动互操作性的新努力既必要又姗姗来迟。针对信息封锁的监管执法、USCDI扩展和行业创新都是关键步骤。但除非行业将结构化临床有效数据作为基础优先事项,否则这些倡议无法充分发挥潜力。

"对话式互操作性"等概念的出现既凸显当前机遇也揭示风险。此类趋势或可改善可用性,却无法弥补低劣的数据质量。

通用医疗编码器若能在各类诊疗环境中持续应用,将为数据完整性这一持久挑战提供实用解决方案。唯有解决此核心需求,医疗行业才能超越过度承诺的突破循环,实现真正互操作、以患者为中心的医疗愿景。

大卫·拉罗(David Lareau)

大卫·拉罗(David Lareau)是Medicomp公司首席执行官。拉罗于1995年加入Medicomp,负责运营和产品管理,包括客户关系与市场营销。加入Medicomp前,他创立了一家为世界银行、杜邦和巴尔的摩西奈医院等大型企业安装管理通信网络的公司。西奈医院项目(首批基于PC的局域网系统之一,采用电子邮件和群件技术)被公认为该技术最大最成功的实施案例之一。

拉罗在西奈医院的工作促成了医疗计费公司的创立,进而引导他与Medicomp建立合作关系。意识到医疗行业在信息技术应用方面落后于几乎所有其他行业(尤其在临床护理领域),拉罗立即看到了Medicomp强大技术的潜力,并加入该公司以助力实现彼得·戈尔特拉(Peter Goltra)的愿景。

【全文结束】

大健康
大健康