摘要：这项由俄罗斯人工智能研究院（AIRI）与Sber AI实验室等机构联合开展的研究发表于2025年2月的arXiv预印本平台，研究团队包括来自莫斯科多个顶尖研究机构的专家。有兴趣深入了解的读者可以通过arXiv:2502.21263v1访问完整论文。

这项由俄罗斯人工智能研究院（AIRI）与Sber AI实验室等机构联合开展的研究发表于2025年2月的arXiv预印本平台，研究团队包括来自莫斯科多个顶尖研究机构的专家。有兴趣深入了解的读者可以通过arXiv:2502.21263v1访问完整论文。

在俄罗斯的医院里，每天都有成千上万的医生在做着一项枯燥但极其重要的工作，就像图书管理员给每本书贴上分类标签一样，他们需要给每个病人的诊断贴上国际疾病分类代码，也就是我们常说的ICD代码。这个过程就像给病情"贴标签"，比如感冒可能对应某个代码，糖尿病对应另一个代码。这些代码不仅用于医疗记录，还关系到保险理赔、医疗统计和科研分析。

然而，这个看似简单的"贴标签"工作实际上困难重重。俄罗斯的医生们面临着特殊的挑战，因为俄语医疗资源相对稀缺，现有的自动化工具大多是为英语设计的。就像用英文食谱做中式菜肴一样困难，现有的医疗AI工具在处理俄语病历时往往力不从心。更让人头疼的是，即使是经验丰富的医生，在给同一个病例分配代码时也经常出现分歧，就像不同的厨师对同一道菜的调料比例有不同看法一样。

正是在这样的背景下，研究团队决定开发一套专门针对俄语医疗记录的智能编码系统。他们的目标很明确：让计算机能够像一位经验丰富的医疗编码专家一样，准确理解俄语病历中的诊断内容，并自动分配正确的ICD代码。

一、突破俄语医疗AI的数据荒漠

要训练一个能够理解俄语医疗记录的AI系统，就像教一个外国人学习中医术语一样，首先需要大量高质量的学习材料。研究团队面临的第一个挑战就是俄语医疗数据的严重匮乏。

为了解决这个问题，研究团队构建了名为RuCCoD的数据集，这个名字代表"俄语ICD编码数据集"。这个数据集就像一个精心编制的俄语医疗词典，包含了3500条真实的医疗诊断记录，每一条都经过专业医生的仔细标注。这些医生就像严格的老师一样，为每个诊断中提到的疾病都分配了准确的ICD代码。

数据收集过程颇为严谨。研究团队从欧洲某大城市的医疗信息系统中获取了匿名化的诊断结论，然后邀请三位拥有博士学位的资深医疗专家进行标注工作。这个过程就像三位裁判同时为一场比赛打分一样，只有当至少两位专家意见一致时，标注结果才会被采纳。最终，这个数据集涵盖了超过1万个医疗实体和1500多个独特的ICD代码。

然而，即使是专业医生，在标注同一个病例时也存在分歧。研究发现，医生们在具体代码分配上的一致性只有50%，但在疾病大类划分上的一致性能达到74%。这就像不同的音乐评论家可能对一首歌的具体评分有分歧，但对于它属于哪种音乐风格通常能达成共识。这个发现揭示了医疗编码工作本身的复杂性和主观性。

除了基础的编码数据集，研究团队还构建了一个更大规模的数据集RuCCoD-DP，包含了86.5万份电子病历记录，涵盖16.4万名患者从2017年到2021年的医疗数据。这个数据集就像一个庞大的医疗档案库，为研究提供了丰富的真实世界数据。

二、设计多样化的AI医疗编码方案

面对俄语医疗编码这个复杂任务，研究团队就像组织一支多技能的探险队一样，设计了三种不同但互补的解决方案，每种方案都有其独特的优势和适用场景。

第一种方案基于BERT模型，这是一种经过专门训练的语言理解AI。研究团队使用了RuBioBERT，这是专门为俄语生物医学文本设计的BERT版本，就像为俄语医疗量身定制的翻译专家。这个系统的工作流程分为两个步骤：首先识别诊断文本中的疾病名称，然后将这些疾病名称与相应的ICD代码匹配。这个过程就像先在一篇文章中圈出所有的专业术语，然后再查字典找到每个术语的准确定义。

第二种方案使用了大型语言模型配合参数高效微调技术。研究团队选择了包括LLaMA在内的多个先进模型，通过LoRA（低秩适应）技术对这些模型进行专门训练。这种方法就像给一位博学的学者提供专业的医学培训，让他能够更好地理解和处理医疗文档。这些模型不仅要学会识别疾病名称，还要学会从复杂的医疗描述中提取关键信息。

第三种方案采用了检索增强生成技术，这是目前AI领域的前沿方法。这个系统就像一位拥有巨大医学图书馆的智能助手，当遇到新的诊断时，它会先在知识库中搜索相关信息，然后基于检索到的信息做出判断。具体来说，系统会从包含17762对代码和诊断的官方词典中检索最相关的条目，然后使用语言模型从候选项中选择最合适的代码。

为了确保系统的实用性，研究团队还设计了一个创新的评估方法。他们意识到，在实际应用中，医生更关心的是最终得到正确的疾病代码，而不是系统识别疾病名称的精确边界。因此，他们开发了一种"EHR级别代码聚合"的评估方式，这种方法更贴近真实的医疗工作流程。

三、验证AI系统的实际表现

为了全面评估这些AI系统的性能，研究团队设计了一系列严格的测试，就像对新药进行多期临床试验一样。他们不仅要测试系统在理想条件下的表现，还要验证其在真实医疗环境中的实用性。

首先，研究团队进行了跨领域迁移学习的实验。他们发现，即使是在其他俄语生物医学数据集上训练的模型，在ICD编码任务上的表现也不尽如人意。这就像一位擅长诊断内科疾病的医生在处理外科病例时可能遇到困难一样。具体来说，当系统尝试使用来自学术文献的医学概念来理解临床诊断时，准确率出现了显著下降。

在端到端的ICD编码测试中，研究团队发现基于RuCCoD数据训练的模型表现最佳。最好的系统能够达到52.5%的F1分数，这意味着在处理100个诊断案例中，系统能够正确处理大约52个。虽然这个数字看起来不够理想，但考虑到任务的复杂性和人类专家之间也存在50%的一致性，这个结果已经相当不错了。

更有趣的是，研究团队发现大型语言模型在经过专门训练后表现出色。特别是Phi3.5-mini模型在使用RuCCoD数据训练后，在代码分配任务上达到了48%的F1分数。这就像一个聪明的学生经过专门的医学培训后，能够处理大部分常见的诊断编码任务。

在检索增强生成方面的实验显示，使用ICD官方词典结合RuCCoD训练数据的方法效果最好。LLaMA3-8b-Instruct模型在这种配置下达到了45.8%的F1分数。这种方法的优势在于它能够处理训练数据中没有出现过的新疾病，就像一位医生在遇到罕见疾病时会查阅医学参考书一样。

四、探索AI编码对诊断预测的革命性影响

研究的最激动人心的部分来自一个意想不到的发现：AI生成的ICD代码在训练诊断预测模型时，竟然比医生手工分配的代码表现更好。这个发现就像发现机器翻译的文本在某些情况下比人工翻译更适合用于语言学习一样令人惊讶。

为了验证这个假设，研究团队进行了一个大规模的对比实验。他们使用最佳性能的ICD编码模型对86.5万份电子病历进行了自动编码，然后分别使用原始的医生编码和AI生成的编码来训练诊断预测模型。诊断预测模型的任务是根据患者的历史医疗记录预测可能的疾病，这就像根据一个人的生活习惯和身体状况预测他可能患什么病一样。

实验结果令人震惊。使用AI生成编码训练的模型在宏观平均F1分数上比使用医生编码的模型高出了28个百分点，达到了0.48的分数，而医生编码训练的模型只能达到0.2左右。这个巨大的性能差异揭示了一个重要问题：医生在实际工作中分配ICD代码时可能存在系统性的不一致或错误。

更深入的分析显示，这种改进在常见疾病和罕见疾病上都有体现。对于常见疾病，AI编码帮助模型实现了更稳定的预测性能，减少了预测结果的变异性。对于罕见疾病，AI编码的优势更加明显，帮助模型在处理低频疾病时的F1分数提高了6倍。这就像一位经验丰富的专科医生在处理罕见病例时表现得比全科医生更稳定可靠。

研究团队还进行了一个有趣的案例分析。他们发现，对于某些复杂的疾病如"既往心肌梗死"，AI编码系统能够更准确地将其重新分类到相关但更具体的疾病类别，如"高血压性心脏病"或"2型糖尿病"。这种重新分类虽然在技术上可能不完全符合原始诊断，但从疾病预测的角度来看，却提供了更有价值的信息。

五、技术创新与方法学突破

这项研究在技术方法上也有多个创新点。首先，研究团队提出了一种新的评估框架，将传统的实体识别和实体链接任务重新整合为更实用的"EHR级别代码聚合"任务。这种方法更贴近实际的医疗工作流程，因为在现实中，医生关心的是为整个诊断分配正确的代码集合，而不是精确标注每个疾病名称的边界。

在模型训练方面，研究团队采用了多种先进的技术。对于BERT类模型，他们使用了同义词边际化技术，这种方法能够帮助模型更好地理解同一疾病的不同表达方式。对于大型语言模型，他们使用了LoRA微调技术，这种方法能够在保持模型通用能力的同时，让其专门适应医疗编码任务。

在处理类别不平衡问题上，研究团队也有独特的见解。他们发现，在RuCCoD数据集中，少数几个常见疾病代码占据了大部分样本，而大量罕见疾病只有很少的样本。为了解决这个问题，他们在训练过程中采用了诊断列表随机打乱的策略，强制模型学会基于上下文区分不同的疾病代码，而不是简单地记忆高频代码。

研究团队还探索了不同知识来源的整合。他们尝试将UMLS（统一医学语言系统）中的同义词信息整合到ICD编码任务中，但发现这种整合反而会带来噪声，降低系统性能。这个发现提醒我们，不是所有的外部知识都能改善特定任务的性能，知识的质量和相关性比数量更重要。

六、深入理解AI与人类医生的差异

这项研究最引人深思的发现之一是AI编码与人类医生编码之间的系统性差异。通过详细分析，研究团队发现了一个有趣的现象：AI系统往往能够捕捉到诊断文本中的显性信息，而人类医生在编码时可能会受到隐性知识和经验判断的影响。

举个具体例子，当诊断文本明确提到"急性支气管炎"时，AI系统会直接分配相应的ICD代码。但人类医生可能会考虑患者的整体情况、病史背景，甚至医院的编码习惯，最终分配一个看似不那么精确但在某种程度上"更合理"的代码。这种差异就像严格按照食谱做菜的厨师与凭经验调味的老厨师之间的区别。

研究还发现，AI编码在疾病预测任务上的优势主要来自其一致性和系统性。AI系统不会像人类一样受到疲劳、情绪或工作压力的影响，它总是以相同的标准处理相似的病例。这种一致性在机器学习模型训练中特别有价值，因为模型能够学到更稳定的模式。

另一个有趣的发现是关于疾病频率的影响。研究团队发现，对于高频疾病，AI编码和人类编码的差异相对较小，但对于低频罕见疾病，差异就变得很大。这可能是因为人类医生在处理罕见疾病时更容易出现不一致，而AI系统能够保持相同的处理标准。

七、系统局限性与未来改进方向

尽管这项研究取得了显著成果，但研究团队也诚实地指出了系统的局限性。首先，50%的专家间一致率提醒我们，医疗编码本身就是一个具有主观性的任务。即使是经验丰富的医生，在面对复杂病例时也可能产生不同的判断。

数据集的规模和多样性也是一个限制因素。虽然RuCCoD数据集在俄语医疗编码领域是开创性的，但3500个样本对于机器学习来说仍然相对较小。更重要的是，这些数据来自单一城市的医疗系统，可能无法完全代表俄罗斯各地的医疗实践差异。

在技术层面，现有系统还无法很好地处理复杂的医疗逻辑推理。比如，当诊断提到"排除恶性肿瘤"时，系统可能会错误地分配肿瘤相关的代码，而实际上这个表述意味着患者没有肿瘤。这种语言理解的细微差别对AI系统来说仍然是挑战。

类别不平衡问题也没有得到完全解决。在真实的医疗数据中，常见疾病和罕见疾病的分布极不均匀，这会导致AI系统在处理罕见疾病时性能下降。虽然研究团队尝试了多种缓解策略，但这仍然是一个需要进一步研究的问题。

八、对医疗实践的深远影响

这项研究的意义远远超出了技术层面的创新。它为俄语医疗信息化提供了重要的基础设施，可能会改变俄罗斯医疗系统的工作方式。想象一下，如果医生不再需要花费大量时间进行重复性的编码工作，他们就能将更多精力投入到实际的诊疗过程中。

从医疗质量角度来看，自动化的ICD编码系统能够减少人为错误，提高编码的一致性和准确性。这对于医疗统计、保险理赔和科研分析都有重要意义。更准确的编码意味着更可靠的医疗数据，这将有助于医疗政策制定和资源配置。

研究还显示了AI在医疗辅助决策方面的潜力。通过使用AI生成的标准化编码来训练诊断预测模型，医疗系统可能能够更好地预测患者的健康风险，从而实现更有效的预防性医疗。

对于医学教育，这项研究也提供了新的思路。AI编码系统的一致性和准确性可能使其成为医学生学习疾病分类的有用工具。学生可以通过与AI系统的对比来检验自己的编码技能，发现自己的不足之处。

九、技术推广与应用前景

从技术推广的角度来看，这项研究为其他非英语国家开发本土化医疗AI系统提供了宝贵经验。研究团队开源了他们的数据集和代码，这意味着其他国家的研究者可以基于这些资源开发适合自己语言和医疗体系的系统。

在商业应用方面，这种技术有着广阔的市场前景。医疗机构可以将其集成到现有的电子病历系统中，减少医生的工作负担，提高编码效率。保险公司可以使用这种技术来自动化理赔处理流程，减少人工审核成本。

对于医疗科研，标准化的自动编码能够帮助研究者更快地处理大规模医疗数据，加速医学发现的过程。特别是在流行病学研究和药物安全监测方面，这种技术可能发挥重要作用。

研究团队还提到了未来的改进方向。他们计划整合更多的外部医学知识源，如医学知识图谱，来提高系统对复杂医学概念的理解能力。他们还希望探索大型语言模型在处理罕见疾病方面的泛化能力，这对于提高系统的实用性至关重要。

十、对全球医疗AI发展的启示

这项研究对全球医疗AI发展有着重要的启示意义。首先，它证明了为特定语言和文化背景开发专门医疗AI系统的必要性。虽然英语医疗AI系统相对成熟，但直接迁移到其他语言往往效果不佳，需要大量的本土化工作。

研究还揭示了医疗编码任务的复杂性。这不仅仅是一个技术问题，更涉及医学知识、临床实践和文化因素的综合考量。未来的医疗AI系统需要更好地平衡技术准确性和临床实用性。

另一个重要启示是关于数据质量的重要性。研究发现，即使是专业医生标注的数据也存在不一致性，这提醒我们在构建医疗AI系统时需要特别关注数据质量控制和标注指南的制定。

最后，这项研究展示了跨学科合作的重要性。成功的医疗AI项目需要计算机科学家、医学专家、语言学家和临床医生的密切合作。只有这样，才能开发出既技术先进又临床实用的系统。

说到底，这项来自俄罗斯的研究不仅为俄语医疗编码问题提供了创新解决方案，更重要的是，它揭示了AI在医疗领域应用的新可能性。研究发现AI生成的医疗编码在某些情况下可能比人工编码更适合用于机器学习任务，这个发现可能会改变我们对医疗数据标准化的认识。

虽然系统目前还存在一些局限性，比如对复杂医学推理的处理能力有限，以及在罕见疾病处理上的不足，但这些问题都为未来的研究指明了方向。随着技术的不断改进和数据的持续积累，我们有理由相信，这类智能医疗编码系统将在不久的将来成为医疗信息化的重要组成部分。

对于普通人来说，这项研究意味着未来看病可能会更加便捷和准确。医生不再需要花费大量时间在繁琐的编码工作上，而可以将更多注意力集中在患者诊疗上。同时，更准确的医疗编码也将有助于医疗保险的处理和医疗资源的合理配置，最终让每个人都能受益于更高效的医疗服务。

对于那些对这一领域感兴趣的读者，建议关注这个研究团队的后续工作，他们计划在更大规模的数据集上验证系统性能，并探索将这种技术扩展到其他医疗任务的可能性。这项研究的开源代码和数据集也为其他研究者提供了宝贵的资源，相信会推动整个医疗AI领域的发展。

Q&A

Q1：RuCCoD是什么？它解决了什么问题？ A：RuCCoD是专门为俄语医疗记录开发的ICD编码数据集和AI系统。它解决了俄语医疗领域缺乏自动化编码工具的问题，能够自动将俄语诊断文本转换为标准的国际疾病分类代码，减轻医生的工作负担并提高编码准确性。

Q2：AI编码会不会比医生编码更准确？ A：在某些方面是的。研究发现，用AI生成的编码训练诊断预测模型，其准确率比用医生手工编码训练的模型高出28%。这主要是因为AI编码更一致、更系统化，减少了人为的主观性和不一致性，特别是在处理常见疾病和罕见疾病时都表现更稳定。

Q3：这个系统目前有什么局限性？ A：主要局限包括：专业医生间对同一病例编码的一致性只有50%，说明任务本身具有主观性；数据集规模相对较小，来源单一；系统难以处理复杂的医学逻辑推理；在罕见疾病处理上仍有不足。但随着数据积累和技术改进，这些问题有望逐步解决。

来源：至顶网一点号