自動医療テキスト分類は、医師が患者情報の管理を効率的に行うのを支援する。症状の記述などのテキスト情報を分類することで、医師は重要な情報を容易に抽出でき、診断プロセスを加速し、より優れた医療アドバイスを提供することが可能となる。さらに、スマート診断および医療自動QAサービスの促進にも貢献する。本稿では、第9回中国健康情報処理会議（CHIP 2023）のオープン共有タスクにおいて、医療テキスト分類の手法を提示する。このタスクにおける主な課題は、複雑なテキスト間関係の把握である。本研究では、3つの異なるサブモデル間の補完的関係を活用するモデル統合手法を提案し、医療テキスト分類を効果的に解決する。さらに、分類が困難なサンプルに対して、特定のデータ拡張ツールを外部的に提供することで、誤分類を低減する。最終的な結果は、複数モデルの投票メカニズムによって得られる。実験結果から、提案手法が92％の精度を達成し、モデルの有効性が裏付けられた。