重复档案为何长期存在
几乎每家医疗机构都存在重复患者档案。它们的产生原因多种多样:登记时姓名拼写略有不同;复诊患者因系统未找到既有档案而被作为新患者登记;系统间数据迁移时缺乏充分匹配;或患者前往同一医疗集团下不同地点就诊,每个地点都新建档案。
后果十分严重。临床上,医生查阅未含患者完整既往史的病历时,可能错过药物相互作用、已知过敏或既往检查结果;财务上,收费与款项分散在两份档案之间会造成计费混乱,理赔可能因临床数据不完整而被拒;运营上,当患者就诊记录分散在多份档案时,质量指标计算会出现偏差。
概率匹配
AI 重复检测使用概率匹配,同时考量多个数据要素。系统不再要求姓名与出生日期精确一致(这会遗漏其中一项略有差异的重复档案),而是基于名、姓、出生日期、地址、电话号码、社保号(若可获得)等识别信息的相似度,综合计算匹配概率。
匹配算法可处理常见的录入差异:Robert vs Bob、Jr. vs Junior、出生日期数字颠倒、婚前姓 vs 婚后姓、地址格式差异等。每个要素都对总体匹配概率有所贡献,系统将潜在重复档案分类为高确信度(几乎确定为重复)、中确信度(很可能重复,需人工复核)与低确信度(可能但不确定的匹配)。
合并流程
识别重复档案只是问题的一半,在不丢失数据的前提下完成合并是另一半。AI 系统通过对比重复档案中的每个数据要素并呈现各档案中最优信息,指导合并流程。当一份档案有更新的地址、另一份有更完整的疾病列表时,合并后的档案保留当前地址与完整疾病列表。
合并必须谨慎处理临床数据。来自两份档案的用药清单、过敏清单、疾病清单与临床记录,需要在不产生重复条目或丢失信息的前提下进行整合。检验结果、影像检查与其他诊断数据需关联到唯一保留的档案。计费数据(包括理赔、付款与账户余额)亦须合并。
持续预防
除了检测与合并已存在的重复档案外,AI 系统还致力于防止新重复档案的产生。在患者登记时,系统实时搜索潜在匹配项并呈现给登记员。如发现高度相似的档案,员工可调取既有档案而非新建。
实时搜索使用与批量重复检测相同的概率匹配,但作用于即将产生重复的登记环节。这种「入口预防」远比事后查找与合并更高效、成本更低。
跨系统匹配
对于拥有多家机构与多套电子病历(EHR)系统的医疗集团,跨系统重复检测尤为重要。同一患者可能在医院 EHR、门诊 EHR 与急诊系统中各有档案。AI 匹配算法即便在系统之间没有共同患者标识时,也能识别跨系统的重复档案。
跨系统匹配支持构建企业级患者主索引(EMPI),将一名患者在整个机构内的所有档案相互关联。这种统一视图为临床医疗、计费、分析与人群健康管理提供支撑。
对于长期受重复患者档案困扰的医疗机构,AI 匹配与合并能力提供了系统化解决方案。详见 FirmAdapt。