基于标记的神经网络的社交媒体健康决定因素抽取系统
计算与语言
2022-12-27 v1
摘要
目的。健康的社会决定因素（SDoH）对患者医疗质量及差异的影响已广为人知。许多SDoH条目在电子健康记录中未以结构化形式编码。这些条目常捕获于自由文本临床笔记中，但自动抽取它们的方法有限。我们探索了一种涉及命名实体识别（NER）、关系分类（RC）和文本分类方法的多阶段流水线，以自动从临床笔记中抽取SDoH信息。材料与方法。本研究使用N2C2共享任务数据，该数据收集自两个临床笔记来源：MIMIC-III和华盛顿大学Harborview医疗中心。它包含4480个社会史章节，对十二种SDoH进行了完整标注。为处理重叠实体问题，我们开发了一种新颖的基于标记的NER模型。我们将其用于多阶段流水线以从临床笔记中抽取SDoH信息。结果。基于总体Micro-F1分数性能，我们的基于标记的系统在处理重叠实体方面优于最先进的基于跨度的模型。与共享任务方法相比，它也取得了最先进的性能。结论。本研究的主要发现是多阶段流水线能有效从临床笔记中抽取SDoH信息。该方法有潜力改善临床环境中SDoH的理解与追踪。然而，错误传播可能是一个问题，需要进一步研究以利用外部知识改进具有复杂语义含义和低资源实体的抽取。
引用
@article{arxiv.2212.12800,
title = {A Marker-based Neural Network System for Extracting Social Determinants of Health},
author = {Xingmeng Zhao and Anthony Rios},
journal= {arXiv preprint arXiv:2212.12800},
year = {2022}
}