一个开放架构的人工智能模型用于CPT编码在乳腺外科手术:开发,验证和前性测试
Mohamad El Moheb1,2, Kristin Putman1, Olivia Sears1
1Department of Surgery, University of Virginia School of Medicine, Charlottesville, VA.
Annals of surgery
|June 16, 2025
概括
一个开放架构的人工智能 (AI) 模型准确地从乳腺手术笔记中提取程序代码,提高效率并减少错误. 这种人工智能解决方案为当前编码实践提供了一个透明的替代方案.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 手术编码自动化 - 手术编码自动化
背景情况:
- 目前的操作笔记编码效率低下,容易出现错误,导致财务损失和合规问题.
- 专有,封闭源代码的人工智能系统由于缺乏透明度和验证而阻碍了采用.
- 需要一个开放架构的人工智能模型来实现可靠和高效的外科编码.
研究的目的:
- 开发,验证和前性测试一个开放架构的人工智能 (AI) 模型.
- 人工智能模型旨在从自由文本乳腺手术操作笔记中提取当前程序术语 (CPT) 代码.
- 解决当前医疗保健编码中闭源AI系统的局限性.
主要方法:
- 使用了3259份乳腺外科手术操作笔记 (2017年7月至2023年12月),使用专家验证的CPT代码作为参考标准.
- 开发并验证了两个基于变压器的AI模型 (345M和3.9B参数),在操作笔记上进行了微调.
- 使用精度回忆曲线下的面积 (AUPRC) 评估性能,并对268张笔记进行了前性测试.
主要成果:
- 人工智能模型表现出高性能,在CPT代码提取方面表现优于人类外科医生 (大型模型AUPRC:0.981与外科医生AUPRC:0.937).
- 交叉验证显示与参考标准 (紧型 AUPRC: 0.976) 有很强的对齐.
- 未来的测试证实了人工智能模型在提取程序代码方面强大的现实性能.
结论:
- 一个开放架构的人工智能模型有效地自动化了从外科手术笔记中提取CPT代码.
- 开发的AI提供了一个可扩展,透明和高效的解决方案,以提高外科编码的准确性.
- 未来的研究将探索AI的潜力,以超越人类编码器的准确性和可靠性.
