JointCoder：基于多智能体框架的中文病历ICD自动编码系统

JointCoder是面向真实世界中文电子病历的ICD自动编码开源项目，核心采用多智能体框架实现ICD-10疾病编码与ICD-9-CM-3手术操作编码的联合预测，同时提供真实医院数据集及完整Web演示系统，旨在解决人工编码效率低、误差大的行业痛点。

ICD编码是医疗信息化核心环节，需专业人员将临床诊断与手术操作转化为标准代码，但人工编码耗时费力且易受主观因素影响。JointCoder针对此痛点推出解决方案，支持中文电子病历的疾病与手术编码联合预测。

JointCoder采用与工作流对齐的多阶段多智能体架构，将编码任务分解为多个协作阶段，每个阶段由专门智能体负责（区别于传统端到端单模型）。该设计提升了可解释性（中间结果可审查）与可控性，能灵活引入领域知识；同时支持疾病与手术编码联合预测，捕捉两者相关性以提高整体准确性。

项目提供真实三甲医院脱敏数据集（6747条住院病历，含ICD-10/ICD-9-CM-3编码），具有真实性、完整性、中文特性。性能评估显示：JointCoder在疾病/手术编码任务上优于传统ML、深度学习及商业API；联合编码效果更佳；消融实验验证多智能体协同、工作流对齐等组件的正向贡献。

JointCoder提供完整Web演示系统，含四大功能模块：1.演示案例选择（4个预加载样本，支持OCR/脱敏/编辑/并行编码）；2.单PDF上传（本地PDF处理）；3.批量PDF上传；4.Excel批量提交（无需OCR，效率更高）。编码后支持反馈、标记完成及结果导出。

应用前景：医院可提升编码效率与准确性；医保部门支持合理付费与疾病监测；医学研究助力流行病学分析与临床决策支持系统开发。局限性：数据隐私（公开演示禁用上传）、领域适应性（需微调适配其他医院/科室）、编码规则需定期更新维护。

JointCoder以开源形式发布于GitHub，提供代码、预训练模型、详细文档及示例。开源降低了中文医疗AI研究门槛，为社区提供真实数据集、多智能体框架及演示系统，推动领域发展。