目的 探讨通过神经网络模型分析电子病历文本提取及质量缺陷的效果.方法 抽取我院2020年1月1日至2021年10月31日归档的电子病历9万份,其中门诊病历7万份,住院病历2万份.使用疾病诊断相关分类系统(Diagnosis Related Groups,DRGs)对病历分组,统计提取及质量缺陷,用自然语言提取临床有用信息,运用用于文本分类任务的卷积神经网络(Text Convolutional Neural Networks,TextCNN)构建出质量缺陷分类模型.结果 纳入研究的9万份电子病历中,有16685份电子病历存在质量缺陷,质量缺陷发生率是18.54％.人工复检发现存在质量缺陷病历问题主要包括对病情和医嘱变化或检查报告等病程记录不全、部分检查报告缺失不全等.TextCNN模型的准确率、敏感度、特异度、阳性及阴性预测值均高于人工复审(P<0.05).采用TextCNN模型分析后DRGs筛选出问题病案发生率显著下降(χ2=16.830,P<0.05).结论 神经网络模型在电子病历文本提取和筛查质量缺陷病历中的效果较好,可用于临床推广以提高病历质量.