标准化基础上便是智能化，意在提升医生书写电子病历的效率与准确率。部分信息化厂商将“智能”的基因与电子病历关联在一起，通过特定的规则为医生选取特定的模版，实时关联录入信息。而惠每科技等新一代信息化企业则改进了临床辅助决策系统，通过构建内容丰富的知识数据库，并用NLP作为底层技术，以类人脑的逻辑方式实现病历内涵质控，取代传统病历质控系统下点对点的线性逻辑关系。

两者的差异在于推荐信息的准确性与丰富性。由于医学知识本身兼具广泛与复杂两个特性，同一个症状往往可以推测出多个可能的病因，因此基于规则的推荐往往不能覆盖所有的可能。

相比之下，基于NLP的CDSS可以处理复杂的医学逻辑，并可根据患者病情为医生提供可能疾病的概率分布，且可轻易调入电子病历之中。通过AI的方式，医生的诊疗效率、质量都将提高，且该系统降低了医生本身知识的要求。

最为重要的是有效质控环节。通常而言，一份病案的检查工作大概会耗费病案室一名医生30-40分钟时间。对比国际数据，美国、澳大利亚的编码员每日编码4~5份病案，而中国的编码员，以吉林为例，统计数字为每日15份，实际之中，有时一天需做50份。

此外，在众多错误种类各不相同的病历之中找出错误这一能力实际上对编码员/质控员提出了较高的专业水平要求。中国的编码员/质控员学历教育是过去一直是以专科为主，近年来才在本科开设专业，而医院需要的编码员/质控员应是临床医学专业。而在现实之中，临床医学专业的人才，又怎肯仅做一个编码员/质控员呢？

因此，智慧病案质控这一提法早已出现。但通常而言，基于规则的质控只能够解决一些简单的录入错误，如病历项的漏填；男性患者录入妇科疾病等问题，只有基于NLP的智慧病案质控系统则能完成智能化的事中控制与事后质控，进行更为复杂的内涵质控，找出病历中逻辑错误，进而使大规模病案质控成为现实。

用AI解决复杂病案质控问题