从外科手术笔记生成CPT代码时评估AI准确性
Emily L Isch1, Judith Monzy2, Bhavana Thota2
1Division of Plastic Surgery, Department of Surgery, Thomas Jefferson University.
The Journal of craniofacial surgery
|March 24, 2025
概括
大型语言模型 (LLM) 显示出在面外科手术中自动化当前程序术语 (CPT) 编码的前景. 虽然ChatGPT和Gemini的表现类似,但人工智能集成可以提高医疗计费的效率和准确性.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 术科编码 术科编码
背景情况:
- 准确的医疗编码对于医疗补偿和管理至关重要.
- 当前的程序术语 (CPT) 代码对于计费至关重要,但容易出现错误.
- 大型语言模型 (LLM) 为自动化医疗编码任务提供了潜力.
研究的目的:
- 评估LLM在生成面外科手术程序CPT代码方面的准确性.
- 为了比较ChatGPT和Gemini在CPT代码生成中的性能.
主要方法:
- 使用了来自10个面病例的操作笔记.
- 人工智能工具 (ChatGPT 4.0 和 Gemini) 生成了CPT代码.
- 人工智能生成的代码与专家手动编码进行了比较.
主要成果:
- 在CPT代码生成方面,ChatGPT和Gemini表现相似.
- 在准确性或正确性方面没有观察到统计学上显著的差异 (P > 0.999).
- 双子座有更多正确的响应 (30%对20%),而ChatGPT有更多部分正确的响应 (50%对40%).
结论:
- 人工智能工具对面CPT编码具有临床价值.
- 人工智能有可能减少行政负担并提高编码准确性.
- 未来的研究应该探索人工智能的通用性和医疗计费的模型改进.


