利用现成大语言模型实现自动化临床编码
人工智能
2023-11-14 v3 计算与语言
摘要
为患者医院入院记录分配诊断 ICD 编码的任务通常由专家人工编码员执行。朝向自动化 ICD 编码的努力由有监督深度学习模型主导。然而，学习预测大量罕见编码的困难仍是临床实践采用的障碍。本工作中，我们利用现成的预训练生成式大语言模型（LLMs）开发一种实用方案，适用于零样本与少样本编码分配，无需进一步任务特定训练。无监督预训练本身不保证对 ICD 本体与专科临床编码任务的精确知识，因此我们将该任务构建为信息抽取，提供各编码概念的描述并要求模型检索相关提及。为效率起见，我们不遍历所有编码，而是利用 ICD 本体的层次性质稀疏搜索相关编码。
引用
@article{arxiv.2310.06552,
title = {Automated clinical coding using off-the-shelf large language models},
author = {Joseph S. Boyle and Antanas Kascenas and Pat Lok and Maria Liakata and Alison Q. O'Neil},
journal= {arXiv preprint arXiv:2310.06552},
year = {2023}
}
备注
Accepted to the NeurIPS 2023 workshop Deep Generative Models For Health (DGM4H). 9 pages, 3 figures