面向临床编码工作流程的 AI 研究对齐：基于美国数据的八项建议
计算与语言
2025-06-19 v2 人工智能
摘要
临床编码对于医疗保险和数据分析至关重要。手动临床编码既费时又容易出错，这促使研究人员致力于实现该过程的完全自动化。然而，我们基于美国英语电子健康记录及使用这些记录的自动编码研究，发现广泛使用的评估方法与实际临床情境不符。例如，仅关注最常见的 50 个编码的评估是一种简化，因为实际应用中使用了数千种编码。本立场论文旨在将 AI 编码研究更贴近临床编码的实际挑战。基于我们的分析，我们提供八项具体建议，建议改进当前评估方法。此外，我们提出超越自动编码的新型 AI 方法，提出替代性方法以辅助临床编码员处理工作流程。
引用
@article{arxiv.2412.18043,
title = {Aligning AI Research with the Needs of Clinical Coding Workflows: Eight Recommendations Based on US Data Analysis and Critical Review},
author = {Yidong Gan and Maciej Rybinski and Ben Hachey and Jonathan K. Kummerfeld},
journal= {arXiv preprint arXiv:2412.18043},
year = {2025}
}
备注
Accepted to the ACL 2025 Main Conference