Symphony for Medical Coding：面向可扩展、可解释医疗编码的新一代智能体系统

医疗编码将自由文本的临床文档转换为取自分类体系的标准化代码，这些分类体系包含数万个条目且每年更新。它对计费、临床研究和质量报告至关重要，但在很大程度上仍然依赖人工、速度慢且易出错。现有自动化方法从标注数据中学习预测一组固定的代码，因此若不重新训练于不同的数据，便无法适应新代码或不同的编码体系。它们也不为其预测提供任何解释，限制了在安全关键场景中的可信度。我们提出 Symphony for Medical Coding，一个以专家人类编码员的方式处理该任务的系统：通过直接查阅编码指南，对临床叙述进行推理。这一设计使 Symphony 能够适用于任何编码体系，并提供片段级（span-level）证据，将每个预测代码与支持它的文本关联起来。我们在两个公开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、急诊及亚专科场景。Symphony 在所有场景中都取得了最先进的结果，确立了其作为灵活、可直接部署的自动化临床编码基础的地位。