从临床记录中高效提取药物信息：一项双语评估
计算与语言
2025-02-06 v1 信息检索
摘要
目的：评估一种用于从临床叙述中提取药物信息的新型自然语言处理（NLP）方法的准确性、计算成本和可移植性。材料与方法：我们提出了一种基于Transformer的原创架构，用于提取与患者用药方案相关的实体及其关系。首先，我们使用该方法，利用来自斯特拉斯堡大学医院的一个新标注的法语语料库，训练并评估了一个法语临床记录模型。其次，通过对2018年n2c2共享任务中的英文临床文档进行评估，评估了该方法的可移植性。通过与一种现有的使用Transformer的方法进行比较，评估了信息提取的准确性和计算成本。结果：所提出的架构在关系提取任务本身上的性能与法语和英语的最先进水平相当（F值分别为0.82和0.96，对比0.81和0.95），但计算成本降低了10倍。法语和英语语料库的端到端（命名实体识别和关系提取）F1性能分别为0.69和0.82。讨论：虽然一个为英文笔记开发的现有系统以合理的努力部署在了法国医院环境中，但我们发现，另一种架构为法语和英语临床文本处理分别提供了具有可比提取性能和更低计算影响的端到端药物信息提取。结论：所提出的架构可用于从临床文本中提取用药信息，具有高性能和低计算成本，因此适合通常有限的医院IT资源。
引用
@article{arxiv.2502.03257,
title = {Efficient extraction of medication information from clinical notes: an evaluation in two languages},
author = {Thibaut Fabacher and Erik-André Sauleau and Emmanuelle Arcay and Bineta Faye and Maxime Alter and Archia Chahard and Nathan Miraillet and Adrien Coulet and Aurélie Névéol},
journal= {arXiv preprint arXiv:2502.03257},
year = {2025}
}
备注
Submitted to JAMIA, 17 pages, 3 figures, 2 tables and 5 supplementary tables