人工智能辅助医保医用耗材分类可行性研究
廖志轩，李星，吕卫彬
邯郸市中心医院，河北邯郸056008

【摘要】目的 评估人工智能（AI）辅助系统在医保医用耗材分类中的应用效果，为“AI+人工”协同归类模式的构建提供实证依据。方法 选取2025年国家医保医用耗材分类与代码数据库中400份耗材数据作为研究对象，采用前瞻性对照设计，比较人工组与AI辅助组完成耗材三级分类的准确率及分类耗时。准确率以国家医保局发布的分类标准为金标准进行判定。结果 AI辅助组分类准确率为90.05%高于人工组准确率82.50%，差异比较P＜0.05。AI辅助组平均单条分类耗时为（18.43±4.71）s短于人工组（96.15±23.38）s，差异比较P＜0.05结论 AI辅助分类系统可显著提升医保医用耗材分类的准确率和效率，具备良好的技术可行性，建议在医保编码审核工作中推广应用“AI初审+人工复核”的双层校验模式。

【关键词】人工智能；医保医用耗材分类；分类编码；可行性

1引言

医保医用耗材分类与编码是医保精细化管理的基础性工作^[1]。但医用耗材种类繁多、品规复杂，单纯依赖人工分类面临效率瓶颈和一致性不足的结构性困境。近年来，自然语言处理技术的快速发展为自动化分类提供了新的工具路径^[2]。但在医保耗材编码这一特定场景中，AI分类准确率能否达到业务要求、在何种分类层次上具备替代或辅助价值，尚缺乏系统实证评估。因此，本研究以医保医用耗材分类与代码数据库中的实际条目为对象，构建AI分类模型并与人工编码进行对比，从分类准确率和效率两个维度评估AI辅助分类的可行性。

2资料与方法

2.1一般资料

2025年1~12月，从国家医保信息业务编码标准数据库（https://code.nhsa.gov.cn）中按一级分类分层随机抽取400份耗材数据纳入研究。其中血管介入类84份、骨科植入类76份、眼科材料类68份、体外诊断试剂类90份、普通耗材类82份。

纳入标准：①耗材数据完整，包含产品名称、规格型号、产品描述、预期用途四项信息；②分类金标准可通过国家医保耗材分类编码表获取。

排除标准：①标注为“其他”类的特殊耗材；②分类存在歧义、经专家委员会讨论仍无共识的样本。

2.2方法

2.1 人工分类方法

人工组由4名具有≥3年医保编码工作经验的编码员组成。编码员依据国家医保医用耗材分类编码规则和三级分类目录，独立完成400份耗材的三级分类判定，以多数票决结果为最终分类，若形成2:2平票则经集体讨论后确定。所有分类结果通过双人交叉核对录入系统，耗材编码规则以国家医疗保障局2025年公布的最新版本《血管介入支架等7类医用耗材分类与代码及医保通用名》为准。

2.2 AI分类方法

AI辅助组采用基于BERT预训练模型的医保耗材自动分类系统。系统架构包含耗材文本预处理模块、向量化表示模块及分类输出模块。以30 000条已标注的医保耗材数据构建微调训练集，训练完毕后系统对400份测试样本进行自动分类，输出三级分类编码。系统开发严格遵循T/SIGA 006-2026分类系统通用要求对功能与性能的规定。

2.3 观察指标

• 分类准确率：定义为判定正确的样本数占总样本数的比例，以三级分类编码与国家医保官方分类结果完全一致为判定正确标准，并分别统计一级、二级、三级分类的层级准确率。
• 分类耗时：定义为从开始审核某份耗材信息至输出分类编码的单条平均用时，以秒（s）为计量单位。

2.4 统计学分析

采用SPSS 26.0进行统计分析。符合正态分布的计量资料以x̄±s表示，组间比较采用独立样本t检验。计数资料以n及%表示，组间比较采用χ²检验。P＜0.05为差异有统计学意义。

3 结果

3.1分类准确率比较

AI辅助组总体分类准确率高于人工组，组间差异有统计学意义（P＜0.05）。见表1：

表1 人工组与AI辅助组耗材分类准确率比较［n（%）］

组别	n	一级分类	二级分类	三级分类
人工组	400	377（94.25）	346（86.50）	330（82.50）
AI辅助组	400	386（96.50）	371（92.75）	360（90.00）
χ²		2.296	8.163	9.682
P值		0.128	0.005	0.002

3.2分类耗时比较

AI辅助组平均单条分类耗时短于人工组，组间差异有统计学意义（P＜0.05）。见表2：

表2 人工组与AI辅助组单条分类耗时比较（x̄±s）

组别	n	平均耗时（s）
人工组	400	96.15±23.38
AI辅助组	400	18.43±4.71
t值		65.198
P值		＜0.001

4讨论

随着医保医用耗材目录持续扩增，传统人工编码模式在分类效率与一致性方面遭遇结构性瓶颈。耗材品类规格繁杂，三级分类边界模糊，单纯依靠人工经验已难以满足大规模、高时效的编码审核需求。探索人工智能辅助分类路径，对于提升医保精细化管理效能具有迫切现实意义。

本研究发现，在三级分类准确率方面，AI辅助组（90.00%）显著高于人工组（82.50%），提示深度学习模型在捕捉耗材文本间的细粒度语义差异上具有优势。这一差异在二级和三级分类层面具有统计学意义，而一级分类差异未达显著性水平，说明大类判别任务对编码员而言已具备较高一致性。随着分类层级加深，耗材间的特征边界趋于模糊，人工判定的主观波动效应被放大。已有研究表明^[3]，机器学习算法可从产品注册证等非结构化文本中提取分类关键特征，规避人工阅读中注意力衰减和知识盲区带来的偏倚。本研究中AI系统的表现印证了该路径在医保耗材编码场景下的可迁移性。

在分类耗时维度，AI辅助组单条分类平均用时仅18.43秒，不及人工组的1/5，且用时离散度更小，表现出速度与稳定性的双重优势。面对海量申报数据，分类效率直接决定审核周期与经办响应能力，而人工模式在高强度持续作业中难以维持输出质量^[4]。AI的介入可将编码员从重复性判定中释放，使其聚焦于高价值的疑难案例研判。

综上所述，AI初审、人工复核的双层校验模式兼具效率与可靠性，建议在医保编码审核中率先部署该模式，以AI完成标准化初筛，人工聚焦歧义样本的校验与修正，在确保分类准确率的同时大幅提升经办效能。

参考文献

[1]陶敏,张晓雷. 基于医保分类编码的医用耗材编码体系研究 [J]. 医疗卫生装备, 2025, 46 (1): 83-87. 

[2]胡雪婵,韩雪峰. 自然语言处理在医疗器械中的应用研究 [J]. 吉林省教育学院学报, 2020, 36 (6): 183-186.

[3]黄佳,刘翔宇. 基于机器学习的医疗器械分类与预测方法研究 [J]. 科技创新与应用, 2024, 14 (5): 28-31. 

[4]何芳丽,辛红,周建学,等. 基于国家医保医用耗材编码的医用耗材全流程监管研究 [J]. 医疗卫生装备, 2023, 44 (9): 74-77.
河北省医疗保障课题：JYB250409

...