【医疗AI 案例观察·第02期】拆解「数智编码员智能体」—DRG/DIP 时代,一份住院病历背后的编码人机协同实验

全文约 5000 字 · 阅读约 13 分钟

写给每一位关心医保基金去向的普通人。

2025 年，全国医保出院总人次中，91.8% 已经按“病种”结算（国家医保局，2026）。这意味着：一家医院能从医保拿到多少钱，越来越不取决于做了多少检查、用了多少耗材，而取决于——病案首页上那几行诊断和手术编码，被“翻译”成了什么。

这门“翻译”活儿有多容易出错？2025 年 9 月，国家医保局公布的一批飞行检查案例里，出现了这样的记录：一位 73 岁的老人被系统记为做了“无痛取卵”——真相是医生输入“无痛”二字后，在下拉菜单里选错了选项；一位 86 岁的老人被记为“试管内受精”，只因其拼音缩写与“肾功能衰竭”相同。看似荒诞的乌龙背后，是同一个老问题：人与数据之间的“翻译”，随时可能走样。

于是，一位 AI 同事上岗了。数智编码员智能体，依托医疗垂直大语言模型、多模态病案数据和多智能体协同推理能力，对完整住院病案进行语义理解和证据分析，自动生成主诊断、其他诊断、主手术、其他手术、肿瘤形态学编码、外伤归因编码等病案首页核心编码建议，并同步给出证据来源和推理依据。

本文用可查证的数据和来源（全部为 2025 年及以后的口径），讲清楚三件事：编码为什么这么重要、这位 AI 同事怎么干活、以及人机分工之后，编码员往哪里走。

01 · 一个编码，值多少钱？

CONCEPT · 一门价值三万亿的“翻译学”

先看 2025 年这笔账：全国基本医保基金总收入 3.59 万亿元、总支出约 3 万亿元（国家医保局）。在这套体系里，绝大多数住院费用已经不再按“项目”逐项付费，而是按“病种”打包结算——病案首页上的诊断和手术编码，直接决定一份病例被分进哪个组、按什么标准付费。

编码错了，后果是双向的：医院可能因漏编、低编而“亏着做手术”，也可能因高编、多编而被医保核查认定违规——2025 年，全国医保系统共追回医保基金 342.19 亿元，事中拒付 22.79 亿元（国家医保局智能监管数据，2026 年 7 月发布）。数据填报质量问题，正是监管版图上最刺眼的那块短板：上面提到的“73 岁无痛取卵”“86 岁试管内受精”，就是国家医保局 2025 年 9 月主动公开、用来说明“数据质量无小事”的典型案例。

编码的分量，也写进了 2025 年的一系列国家级文件里：3 月，国家卫健委发布《2025 年国家医疗质量安全改进目标》，病历质量与首页数据质量持续位列年度改进重点；6 月，《国家三级公立医院绩效监测操作手册（2025 版）》印发——在“国考”体系里，病案首页数据一直是核心监测维度的源头；同月启动、为期一年的医疗机构医疗质量安全专项整治行动，同样把病历内涵质量列为整治对象。济南市 2025 年 8 月的病历内涵质量提升行动，更是给出了量化红线：住院病案首页主要诊断编码正确率不低于 90%。

SIDEBAR · 编码员到底在干什么？

医生写的是“病人换了永久起搏器、还有糖尿病和高血压”；编码员要把它翻译成标准代码：主要诊断 I44.201（三度房室传导阻滞）、其他诊断 E11.9（2 型糖尿病）、I10.x00（原发性高血压）、主要手术 37.78001（心脏起搏器置入术）……再交给分组器“算”出 DRG/DIP 病种。同病不同码、同码不同病，是病案质控的老大难。

02 · 为什么编码突然变得这么值钱

CONTEXT · 按病种付费 3.0 时代

历经数年试点扩面，到 2025 年底，按病种付费已基本实现符合条件的统筹地区和医疗机构“全覆盖”——这是 DRG（按疾病诊断相关分组）与 DIP（按病种分值付费）两大支付工具的全国版图。2025 年的结算大盘上，按病种付费人次已占医保出院总人次的 91.8%；改革成效同步显现：职工医保、居民医保次均住院费用较上年分别下降 4.73% 和 0.94%，28 个省份住院患者自负费用绝对额下降；按病种付费病例的药耗费用占比降至约 37.49%，22 个省份出现“药耗占比降、医疗服务费用占比升”的结构性变化。

2026 年 9 月，国家医保局发布按病种付费 3.0 版分组方案，改革从“全不全”进入“准不准”：DRG 细分组从 634 组扩至 825 组，DIP 核心病种大幅收敛为 5125 组（病例覆盖率反升至 95%）；新方案基于约 10 亿份历史真实结算数据测算，约 270 名临床专家参与论证。支付端的另一侧也在提速：2026 年全国 339 个统筹地区预付医保基金 927 亿元，结算周期从申报后 30 个工作日压缩至 20 个以内。

分组越细、结算越快，编码的“翻译精度”就越直接地传导为收入与合规的误差——这正是“数智编码员”登场的时代背景。

TIMELINE · 2025 之后的改革时钟

2025 底 按病种付费基本实现统筹地区和医疗机构全覆盖2025 结算 按病种付费人次占医保出院总人次 91.8%；全国追回医保基金 342.19 亿元2026 预付提速 339 个统筹地区预付基金 927 亿元，结算周期压缩至 20 个工作日内2026.9 3.0 版分组方案发布：DRG 825 细分组 / DIP 5125 核心病种

03 · 读完整本病历，再给编码——附证据

HOW IT WORKS · 这位 AI 同事的工作方式

市面上多数“智能编码”工具停留在关键词匹配、辅助提示的阶段。这位 AI 同事的野心更大：像一位资深编码员那样，把整本病案读完，再做判断。

它的输入不是一张首页，而是完整住院病案的多模态数据——病案首页、入院记录、病程记录、手术记录、病理报告、检查检验结果都在阅读范围内。系统依托医疗垂直大语言模型做语义理解，再由多个智能体协同推理，输出六类病案首页核心编码建议：主诊断、其他诊断、主手术、其他手术、肿瘤形态学编码、外伤归因编码。

真正的设计要点在最后一步：每一个编码建议，都同步给出证据来源和推理依据。比如建议主诊断为“Ⅲ度房室传导阻滞”时，系统会标明证据来自心电图报告第几页、病程记录中哪一次查房记录——AI 不只是“给答案”，还把“解题过程”摊在桌面上，供编码员核查。

完整住院病案 · 多模态输入

病案首页入院记录病程记录手术记录病理报告检查检验结果医嘱与护理记录

▼

医疗垂直大模型 × 多智能体协同推理

语义理解｜读懂整本病案证据分析｜定位诊断依据编码生成｜映射分类代码质控提示｜规则校验

对完整病案进行语义理解和证据分析 · 生成结果附证据来源与推理依据

▼

病案首页核心编码建议（六类）

主诊断编码其他诊断编码主手术 / 操作编码其他手术编码肿瘤形态学编码外伤归因编码

＋ 证据来源与推理依据（每个编码建议可溯源、可核查）

▼

编码员审核确认 → 专家抽检复核（人，始终在环）

审核中被修正的案例回流用于反馈训练 · 模型持续学习进化

FIG 01 / 系统架构与人机协同闭环（根据《2026智能经济新形态：智能体》案例材料整理绘制，智能体内部分工为示意图）

为什么死磕“证据”？

因为大模型有“幻觉”——会一本正经地编造。医疗编码恰恰容不得编造：一个错误编码，向上影响临床数据统计，向下影响医保结算。而 2025 年国家医保局公开的那些飞检案例已经说明，哪怕没有 AI，“下拉菜单选错两个字”就足以让 73 岁老人“做了无痛取卵”。“可核查”不是锦上添花，而是这类工具能用起来的前提。AI 给出的每个编码若不能追溯到病历原文，编码员就不敢用、也不敢信。

04 · AI 预编码，人守最后一关

WORKFLOW · 人机协同四步法

这套智能体在实际业务中跑通的，是一套“批量预编码—审核确认—抽检复核—持续学习”的流水线。它不是“AI 替人”，而是把一份编码工作拆成了两半：机器做“体力”，人做“判断”。

STEP 01 · 智能体批量预编码

AI 做“体力活”

信息抽取、证据整理、初步编码、质控提示——批量处理住院病案，输出带证据的编码建议。

STEP 02 · 编码员审核确认

人做“判断题”

编码员逐份核对 AI 建议，重点处理疑难判断：主要诊断选择、编码冲突、证据不充分的情况。

STEP 03 · 专家抽检复核

校验质量底线

资深专家按比例抽查已确认的编码结果，校验质量底线，同时负责规则维护。

STEP 04 · 反馈持续学习

错误回流，模型进化

审核中被修正的案例作为反馈用于训练，AI 越用越“懂”本院的编码习惯与规则。

FIG 02 / 人机协同四步闭环（根据案例材料描述的工作模式整理绘制）

分工边界清晰得像一道考卷：智能体负责信息抽取、证据整理、初步编码、质控提示等基础性工作；编码员重点负责结果审核、疑难判断、规则维护、反馈训练。据案例材料披露，这一模式提升了病案编码的效率和结果一致性。

TABLE 01 / 不是“AI 替人”，是把一份工作拆成两半

DATA BOARD · 数据看板

一位 AI 编码员背后，是一场供需失衡

先看这个岗位面对的现实，再看它试图回应的宏观问题。（以下均为 2025 年及以后口径）

SOURCES / 国家医保局按病种付费 3.0 版分组方案新闻发布会实录（2026-09）· 国家医保局智能监管数据（2026-07）· 国家医保局飞行检查案例通报（2025-09）· 济南市卫健委病历内涵质量提升行动通知（2025-08）· 《2026智能经济新形态：智能体》案例库

05 · 编码员：从“录入员”到“AI 监工”

PEOPLE · 站在流水线边上的人

2025 年，政策对这个岗位的要求肉眼可见地变严了。《2025 年国家医疗质量安全改进目标》（2025 年 3 月）继续把病历质量与首页数据质量钉在年度改进清单上；6 月，三部门联合启动为期一年（2025 年 6 月至 2026 年 5 月）的医疗机构医疗质量安全专项整治行动，覆盖二级及以上医院，病历内涵质量位列整治重点；同期印发的《国家三级公立医院绩效监测操作手册（2025 版）》，让首页数据继续处在“国考”监测的聚光灯下。地方层面，济南直接给出量化红线：住院病案首页主要诊断编码正确率不低于 90%。

一边是不断抬高的质量门槛，一边是长期紧绷的人力现实：编码工作专业门槛高、培养周期长、重复劳动繁重，人才供给一直跟不上 DRG/DIP 全覆盖带来的编码量与精度要求——“工资翻倍仍招不到人”是这个行业流传已久的窘境。需求端却在持续加压：91.8% 的按病种付费结算占比，意味着几乎每一份出院病案都要经过编码这道关口。

这类智能体给出的解法不是“再招 100 个人”，而是重写这个岗位的岗位职责：智能体接走重复性查阅录入，编码员把精力投向疑难判断、质量管理、规则沉淀和 AI 监督协同——从“被病历追着跑的录入员”，变成“带着 AI 干活的质控师”。案例材料称之为医疗大模型在医院核心业务场景落地的一份实践样本；我们更愿意把它看作一次关于“人往哪里去”的提前演练。

“智能体承担信息抽取、证据整理、初步编码和质控提示等基础性工作，编码员重点负责结果审核、疑难判断、规则维护和反馈训练。”

—— 《2026智能经济新形态：智能体》案例材料

06 · 不同的人，可以从这个案例里带走什么？

SO WHAT · 对各方的启示

这个案例真正值得玩味的，不是“AI 会编码了”，而是它给出了一种权责清晰、全程留痕、人始终在环的医疗 AI 落地范式。

临床医生

病历不再只是医疗文书，而是结算与考核的“原始凭证”。把诊断依据、手术指征写清楚，AI 才能翻得准——写好病历，就是算对钱。“无痛取卵”式的下拉误选，也从提醒变成教训。

病案与编码人员

重复劳动正在被接管，但审核、疑难判断、规则维护的价值在上升。值得提前修炼的技能：编码质控、规则建设、以及对 AI 输出的鉴别力。

医院管理者

病案科正从“成本中心”走向“价值中心”。一套人机协同编码体系，同时影响绩效监测成绩、医保结算与飞检风险——在专项整治行动（2025.6–2026.5）窗口期内，这是值得院长亲自过问的数字化项目。

医保部门

证据可溯源的 AI 编码，让结算数据质量有据可查；“智能体预编码＋人工确认”的留痕模式，也为基金监管提供了新的审计接口。2025 年 342.19 亿元的追回规模一再说明：数据质量必须前移到源头。

政策与监管者

按病种付费 3.0 时代，分组越细，编码博弈空间越大。AI 编码工具的合规边界（辅助 vs 变相“收入优化”）需要标准；“人类编码员最终确认”这一责任制锚点，值得在规则层面明确。

产业与研究者

这个案例展示了垂直大模型落地医院核心业务的可行路径：多模态输入、多智能体协同、证据可溯、人在环内。医院病历信息化水平参差，既是落地难点，也是最大的市场空间。

07 · 五个风险提醒

COLD THOUGHTS · 别急着欢呼

01“证据溯源”不能消灭幻觉

给出证据来源，不等于证据本身一定正确——AI 同样可能引用错位、断章取义。证据溯源是“可用”的门槛，不是“可信”的终点，抽检复核这道工序暂时删不得。

02责任没有转移给 AI

AI 建议、人签字——从病案管理法规和医保监管实践看，编码责任仍在编码员和病案科。这也意味着：AI 用得越顺手，“审核疲劳”（机械地点确认）的风险越高，人的把关反而需要被制度性保护。

03同一把刀，可以切菜，也可以“高编”

能精准发现漏编的 AI，理论上也能被用来精准寻找“更有利可图”的编码组合。工具是中性的，用途不是——2025 年 342.19 亿元的追回规模说明，医保基金监管很快也会学会盯上 AI 编码本身。

04反馈学习可能把偏差也学进去

“越用越懂本院习惯”是甜头，也是风险：如果本院习惯本身有系统性偏差，AI 会在反馈循环里把偏差固化并放大。规则维护者必须有能力对训练数据“说不”。

05成效数据尚待独立验证

本文案例细节来自《2026智能经济新形态：智能体》案例库的申报材料，“效率与一致性提升”的表述目前缺乏独立第三方评估和公开的量化口径。这是一份有价值的实践样本，还不是一个已盖章的结论。

CLOSING · 结语

AI 没有抢走编码员的键盘，它只是把键盘上最枯燥的那些键，先替人按了。

在按病种付费覆盖 91.8% 医保出院人次的今天，一份病历如何被翻译成一串代码，决定了医院账单的成色、绩效监测的分数，也决定了 3 万亿元医保基金的每一分去向。这位 AI 同事给出的答案朴素而克制：机器读遍整本病历、附上证据，人做判断、守住最后一关。

真正值得记住的，不是“AI 会编码了”，而是那个被重新写过的岗位职责——当重复劳动被接管，人去负责疑难、规则与监督。技术负责效率，人负责判断，这套分工，值得整个医疗行业照着再写一遍。

参考资料与数据来源（均为 2025 年及以后口径）

[01] 《2026智能经济新形态：智能体》案例库：数智编码员智能体案例材料（本文案例事实与产品描述的主要来源）

[02] 国家医保局按病种付费 3.0 版分组方案新闻发布会实录，2026-09（兵团医疗保障局网站转载）：91.8% 按病种付费人次占比、3.59 万亿基金收入、次均住院费用降幅、药耗占比、特例单议 232.4 万例、DRG 825 细分组、DIP 5125 核心病种、10 亿份结算数据、预付 927 亿元等

[03] 国家医保局智能监管数据，2026-07 发布：2025 年全国追回医保基金 342.19 亿元、事中拒付 22.79 亿元（澎湃新闻等报道）

[04] 国家医保局飞行检查典型案例通报，2025-09-29：“无痛取卵”“试管内受精”等数据质量案例（腾讯新闻等报道）

[05] 国家卫生健康委办公厅《2025 年国家医疗质量安全改进目标》及《2025 年各专业质控工作改进目标》，2025-03

[06] 《国家三级公立医院绩效监测操作手册（2025 版）》，国家卫健委等三部门，2025-06

[07] 《医疗机构医疗质量安全专项整治行动方案》，国家卫健委等三部门，2025-06（2025.6–2026.5，覆盖二级及以上医院）

[08] 济南市卫生健康委员会《关于组织开展全市医疗机构病历内涵质量提升行动的通知》，2025-08：住院病案首页主要诊断编码正确率不低于 90%

[09] 国家医保局《支付端改革驱动医药产业结构优化——按病种付费 3.0 分组方案的产业价值》，医保动态，2026-09-19

说明：本文所引数据均为 2025 年及以后口径；改革早期的历史沿革仅作背景叙述。文中智能体的产品描述及运行成效表述引自案例库申报材料，目前未见独立第三方评估，请结合原始来源理解。本文不构成任何医疗或投资建议。如需转载，请注明案例来源并附上参考资料清单。

申明：本文为个人学习与研究观点，不代表本人任职单位立场；文中不涉及任何未公开的机构信息与商业信息。