基于实体锚定的ICD编码
机器学习
2022-08-17 v1 计算与语言
摘要
医疗编码是一项复杂任务，需要将超过72,000个ICD代码中的一个子集分配给患者的病历记录。现代自然语言处理方法因输入长度过长与输出空间过大而面临挑战。我们将模型输入限制在文档中所发现医疗实体周围的小窗口内。基于这些局部上下文，我们构建ICD代码与实体的上下文表示，并对这些表示进行聚合以形成文档级预测。与现有采用固定大小或仅由训练中所见代码决定表示的方法不同，我们通过将代码描述与局部上下文共同编码来表示ICD代码。我们讨论了在实际部署编码系统时所适用的评价指标。我们表明，无论在标准度量还是可部署度量（包括罕见与未见过代码的性能）上，我们的方法均优于现有方法。
引用
@article{arxiv.2208.07444,
title = {Entity Anchored ICD Coding},
author = {Jay DeYoung and Han-Chin Shing and Luyang Kong and Christopher Winestock and Chaitanya Shivade},
journal= {arXiv preprint arXiv:2208.07444},
year = {2022}
}
备注
Accepted to American Medical Informatics Association (AMIA) 2022 Annual Symposium