为什么几十页病历必须用AI串起来？——从一份真实病例说起前段时间，我们用尚医云·AI医疗规范智控官审核了一份外科住院病历。
单独看，这是一份并不复杂的病例。
但当AI把整份病历里的首次病程、查房记录、医嘱、用药、手术方案、手术记录、病案首页等资料放到一起以后，几个问题很快出现了。
其中一个问题非常直接：
病程记录明确写了“头孢及青霉素过敏”，临时医嘱中却开出了阿莫西林。
这个问题难在哪里？
看病程记录的人，看到的是过敏史。
审核医嘱的人，看到的是一盒很普通的阿莫西林。
两边单独看，未必马上发现问题。只有把患者的过敏史和后面的用药记录关联起来，风险才真正暴露出来。
但这还只是这份病历里的一个问题。
入院以后，病历中拟定的手术方案包括外剥内扎术、血栓外痔切除术、内痔硬化剂注射以及肛周常见疾病电凝治疗。
但到了实际手术记录和病案首页，执行的主要是内痔硬化剂注射术和肛周常见疾病电凝治疗。
治疗方案发生调整，本身并不意味着有问题。
真正需要审核的是：为什么调整？病程里有没有记录？最终病案首页怎么写？结算又是按照什么项目申报？
如果实际只做了硬化剂注射和电凝，最终结算却仍然按照原计划中的更高等级手术项目收费，就可能形成高套收费风险。报告也因此进一步要求核对最终结算编码。
注意，这已经不是查一条收费规则能够解决的问题了。
它至少需要同时核对：
术前方案 → 手术记录 → 病案首页 → 结算项目
少看其中任何一个环节，都可能得出完全不同的结论。
AI继续往前追，又发现了一个问题。
首次病程记录的是：发现痔疮10年余，加重伴出血1年。
副主任医师查房记录却变成了：发现痔疮6年余，加重伴出血1周。
10年和6年，1年和1周。
到底哪个准确，需要医院回到原始病历进一步核实。
但从审核角度，这种前后不一致本身就值得关注。
因为医保审核、医疗质量检查真正面对的，不是医生当时脑子里的判断，而是最终留下来的整套医疗记录。
这就是我们在实际做AI审核时越来越明确的一件事。
人工看一张医嘱不难。
看一份手术记录也不难。
核对一个收费项目同样不难。
难的是一份住院病历有几十页，而且重要信息散落在不同位置。
看到后面的医嘱，要记得前面写过什么过敏史；看到实际手术，要回头找术前方案；看到病案首页，要再和手术记录核对；看到结算项目，还要判断前面的诊疗记录到底能不能支撑。
人工当然也能发现这些问题。
但面对医院每天产生的大量住院病历，要逐份把几十页材料全部交叉核对，很难形成稳定、持续的审核能力。
这才是AI真正应该介入的地方。
尚医云·AI医疗规范智控官首先把一份病历作为一个整体来处理。
它不是看到阿莫西林就判断阿莫西林，而是回到前面的病史和过敏记录；
不是看到一个手术名称就结束，而是继续核对术前方案、实际手术、病案首页和相关结算信息；
也不是分别判断两段病程写得对不对，而是把不同时间、不同医生留下的记录放在一起比较。
换句话说，AI真正要做的，是把散落在几十页病历里的关系重新建立起来。
很多风险并不藏在某一个字段里。
它藏在两个字段之间、两份记录之间，甚至两个不同时间点之间。
这也是为什么我们一直强调：
全病历审核，不能只审一个个“点”。
只有把主诉、现病史、检查、诊断、医嘱、用药、病程、手术、出院诊断以及DRG/DIP等信息真正串起来，医院才有可能在医保审核之前，先从审核方的角度把自己的病历重新审一遍。
而这，正是尚医云·AI医疗规范智控官要做的事情。
本期封面：
