基于自然语言处理与无监督学习从短文本真实医疗咨询中发现关键主题
机器学习
2021-10-28 v1 计算与语言
信息检索
摘要
制药企业每年收到数百万条主动发来的医疗咨询。据推测,这些咨询蕴藏着信息宝藏,可能揭示有关药品及相关医疗治疗的见解。然而,由于咨询量大且具有专业性,难以进行及时、反复和全面的分析。本文提出一种基于自然语言处理和无监督学习的机器学习方法,自动从客户的真实世界医疗咨询中发现关键主题。该方法无需本体或标注。由医疗信息专家判定,所发现的主题具有意义且与医学相关,从而表明主动医疗咨询是有价值的客户洞察来源。我们的工作为制药行业中由机器学习驱动的医疗咨询分析铺平了道路,其最终旨在改善患者照护。
引用
@article{arxiv.2012.04545,
title = {Discovering key topics from short, real-world medical inquiries via natural language processing and unsupervised learning},
author = {Angelo Ziletti and Christoph Berns and Oliver Treichel and Thomas Weber and Jennifer Liang and Stephanie Kammerath and Marion Schwaerzler and Jagatheswari Virayah and David Ruau and Xin Ma and Andreas Mattern},
journal= {arXiv preprint arXiv:2012.04545},
year = {2021}
}