CoRelation：通过上下文代码关系学习提升自动 ICD 编码

自动国际疾病分类 (ICD) 编码在从临床笔记中提取相关信息以进行正确记录和计费方面发挥着至关重要的作用。提升自动 ICD 编码性能最重要的方向之一是对 ICD 代码关系进行建模。然而，当前方法对 ICD 代码之间错综复杂的关系建模不足，且往往忽视了临床笔记中上下文的重要性。在本文中，我们提出了一种新颖的方法，即一个上下文化且灵活的框架，以增强 ICD 代码表示的学习。与现有方法不同，我们的方法采用了一种依赖学习范式，在建模所有可能的代码关系时考虑了临床笔记的上下文。我们在六个公共 ICD 编码数据集上评估了我们的方法，实验结果表明，与最先进的基线相比，我们的方法是有效的。