当今的医疗编码：手动工作流程
医疗编码是报销流程的核心。每一项临床操作，无论是诊断、手术还是治疗，都必须转换为标准化的编码才能进行结算。
在手动配置中，该过程通常按以下步骤进行：
- 审查病历：人工编码员通读详细的临床记录，以提取相关的医疗信息。
- 检索分类法：它们会检索庞大的代码词典（条目通常超过10万条），以确定相应的计费代码。
- 分配与核对：将代码手动录入计费系统，并根据合规规则进行核验。
- 验证与更正：高级编码员或审核员会审查记录内容，更正错误，并与医生协商解决差异。
这一端到端的流程具有高度重复性、耗时且容易出错。延误很快就会累积成积压工作，而编码不完整或不准确往往会导致报销款项遗漏和资金流失。
代理式人工智能的作用
在此背景下，代理式人工智能（Agentic AI）带来了一次变革性的机遇：它不仅能够生成文本，更能协调以目标为导向的自主工作流程，让多个专业化的AI代理与人类专家无缝协作。
在医疗编码领域，Agentic AI 既能模拟人工流程，又能加速并保障其安全性：
- 阅读并总结病历。
- 从庞大的分类体系中检索相关代码。
- 验证是否符合报销框架。
- 通过透明的解释来辅助人工审核。
客户案例： 比利时某医院医疗编码自动化
与比利时办事处的埃利奥特·伯特兰（Eliott BERTRAND）和罗宾·弗尔舒伦（Robin VERSCHUREN）共同。
在Artefact，我们相信医疗服务是“人生中的重要时刻”，其本质上需要人际互动。我们的目标是通过人工智能赋能医疗团队并优化临床流程，而非取代他们。正是这一理念，促使我们近期与比利时一家医院展开合作，利用先进的语言模型和检索增强生成（RAG）技术，实现医疗编码、账单处理及社会保障报销的自动化。
我们的客户面临着巨大的工作量，需要手动编码开给患者的医疗处方，这是比利时报销系统的一项强制性要求。
一支由18名全职人员组成的团队，负责为每位患者的病历分配医疗编码，而可供选择的编码多达14万个。当时，该团队的工作进度已落后数月。此外，这一流程仅涵盖了部分高价值编码，导致大量收入未能收回。
我们设计了一个四阶段流程，围绕多个专门的AI代理展开
- 专用人工智能代理：一位人工智能“记录员”会阅读病历，总结临床情况，并对病例进行分类，以确定相关的编码类别
- 基于RAG的代码检索：第二个代理利用检索增强生成技术，查找与记录的临床情况相关的所有代码
- 编码验证代理：第三个代理负责验证拟定的编码是否符合官方规则，并整合来自专业编码员的反馈
- 人工审核：最后，由一名医疗编码员根据上一位处理人员的说明，对人工智能的建议进行审核并批准；
通过识别此前遗漏的编码并确保计费更加完整，该医院开辟了新的收入来源。初步迹象表明，此前未被察觉的大量收入已被成功获取。
该人工智能驱动的工作流程使生产力提高了80%，消除了编码瓶颈，并使团队得以处理积压的工作。编码的准确性和完整性得到提升，从而减少了错误并最大限度地降低了理赔拒付率。此外，通过将编码人员调配至更高价值的任务并减少加班，该医院还实现了可观的成本节约。
总体而言，18名开发人员80%的工作量已实现自动化，从而节省了14.5个全职员工的工作量。该项目耗费了50人日的外部咨询费用，未产生额外IT成本，第一年的投资回报率约为600%。
本案例研究体现了Artefact的核心理念：人工智能不仅要带来创新，更要产生实际影响。
下一步：扩展代理式人工智能
以代理为中心的 AI 项目很少仅止步于单一用例。一旦首次部署展现出可衡量的价值，企业通常会考虑以下三个主要方向：
- 扩展至相邻的工作流， 并将相同的自动化逻辑应用于其他重复性高、处理量大的流程（例如：报表生成、文档编制、合规性核查）。
- 为受管控的自主运行做好准备， 在规则明确且成果可衡量的领域中，使代理能在强有力的治理和监控框架下，以最少的人工干预进行运作。
- 构建互联互通的智能体生态系统， 设计能够跨职能协作的多智能体系统，从而释放跨流程的效率提升潜力。
这一发展路径展示了组织如何逐步将自主人工智能从试点应用扩展到全企业范围，并通过健全的治理机制确保效率与信任兼顾。
