医療診断を臨床コーディングに翻訳することは、請求、病因分析、および監査に幅広く応用されています。現行のコーディングは手動で行われており、その自動化は容易ではありません。特に、臨床記録の混乱や複雑さ、膨大なICD-10コードのスペースが課題です。本研究は、複数の臨床データソースを統合したアンサンブルモデルを提案し、精度の高いコーディング予測を行います。また、予測結果に対する信頼度を提供する評価メカニズムも提案します。実験は、実際の患者データに基づいた新しい二つの臨床データセット（入院および外来）で行われ、入院データセットでは0.73の平均適合率、0.56のF1スコアを達成しました。これにより、より正確な診断予測が可能であることが示されました。