利用自然語言處理技術以實現ICD-10之自動編碼，依照輸入的去個資之患者年齡、性別、醫令、出入院病摘、progress note、手術紀錄、ICD-10診斷代碼、處置代碼進行模型訓練與代碼預測。並佐以實務中之組合碼、合併碼、醫令相關之編碼等規則，建立相對應的rule base，優化AI預測準確性。

疾分師根據病歷進行編碼，每組隨機分配病歷，並提供了由最佳DNN分類模型預測的ICD代碼。我們比較了消耗的時間和F1分數，並與成對的樣本進行了分析，結果顯示有提供預測的ICD代碼可以將疾分師的平均F1從中位數從0.832提高到0.922 （P 0.05）。

疾病分類編碼的正確性對於醫院醫療收入將有直接性的影響。在健保申報端，準確歸入正確DRG的落點，取得醫院應得的醫務收入，讓醫生可以在病人住院時早期預測DRG，減少醫療健保負擔，並引導DRG之順從評估。在病人端，事先編碼的機制可於病人住院中即供保險公司作為核保依據，加速住院核保付款機制，方便病患付款。

天使投資人、策略合作夥伴