【AI 看病歷，為什麼和診斷碼對不上？】
【AI 看病歷，為什麼和診斷碼對不上？】 🧐
當 AI 讀完病歷，卻不認同系統裡的診斷碼，是 AI 沒看懂，還是我們需要回頭檢查資料？
2026 OHDSI 年會的一份研究，使用 122 份臨床紀錄，讓大型語言模型（LLM）檢查病歷文字與 ICD-10-CM 診斷碼是否一致，並比較「一次檢查全部診斷碼」與「逐一檢查」兩種方式。
研究發現，不同診斷類別的一致性有所差異。對病歷中明確記載的疾病，模型較容易認同；遇到症狀、家族史、暴露或風險因素等資訊時，則更容易出現分歧。dev.ohdsi.org
💡 一致性，不等於診斷準確率。
模型與診斷碼不同意，不能直接判定誰錯了。這些差異更適合作為人工審查的線索：病歷證據是否完整？診斷碼代表當次疾病，還是其他就醫資訊？
對投入 OHDSI／OMOP 的研究者而言，這也提醒我們：資料格式標準化之後，臨床意義仍需要驗證。 從病歷文字到研究族群，每一步都會影響最後產生的證據。
👇 你在臨床或研究中，遇過「病歷文字與診斷碼對不上」嗎？通常會先查哪一項資料？ 歡迎分享經驗，也把這個問題轉給一起處理醫療資料的夥伴！
📖 來源：2026 OHDSI 年會 Brief Report，屬初步研究成果。
原始研究：Evaluating Large Language model against Structured EHR Diagnoses
#OHDSITaiwan #OMOP #醫療AI #真實世界資料 #資料品質
【AI 看病歷，為什麼和診斷碼對不上？】 🧐
當 AI 讀完病歷，卻不認同系統裡的診斷碼，是 AI 沒看懂，還是我們需要回頭檢查資料？
2026 OHDSI 年會的一份研究，使用 122 份臨床紀錄，讓大型語言模型（LLM）檢查病歷文字與 ICD-10-CM 診斷碼是否一致，並比較「一次檢查全部診斷碼」與「逐一檢查」兩種方式。
研究發現，不同診斷類別的一致性有所差異。對病歷中明確記載的疾病，模型較容易認同；遇到症狀、家族史、暴露或風險因素等資訊時，則更容易出現分歧。dev.ohdsi.org
💡 一致性，不等於診斷準確率。
模型與診斷碼不同意，不能直接判定誰錯了。這些差異更適合作為人工審查的線索：病歷證據是否完整？診斷碼代表當次疾病，還是其他就醫資訊？
對投入 OHDSI／OMOP 的研究者而言，這也提醒我們：資料格式標準化之後，臨床意義仍需要驗證。 從病歷文字到研究族群，每一步都會影響最後產生的證據。
👇 你在臨床或研究中，遇過「病歷文字與診斷碼對不上」嗎？通常會先查哪一項資料？ 歡迎分享經驗，也把這個問題轉給一起處理醫療資料的夥伴！
📖 來源：2026 OHDSI 年會 Brief Report，屬初步研究成果。
原始研究：Evaluating Large Language model against Structured EHR Diagnoses
#OHDSITaiwan #OMOP #醫療AI #真實世界資料 #資料品質