从临床文本可解释地预测医学编码
计算与语言
2018-04-18 v2 机器学习
机器学习
摘要
临床记录是临床医生为每次患者就诊创建的文本文档。它们通常伴有描述诊断和治疗的医学编码。标注这些编码费力且易错；此外，编码与文本之间的关联未被标注，掩盖了特定诊断和治疗背后的原因与细节。我们提出一种注意力卷积网络，从临床文本预测医学编码。我们的方法使用卷积神经网络聚合文档中的信息，并利用注意力机制为数千个可能编码中的每一个选择最相关的片段。该方法准确，达到了 0.71 的 precision@8 和 0.54 的 Micro-F1，均优于先前的最先进水平。此外，通过医生进行的可解释性评估，我们表明注意力机制为每个编码分配识别出了有意义的解释。
引用
@article{arxiv.1802.05695,
title = {Explainable Prediction of Medical Codes from Clinical Text},
author = {James Mullenbach and Sarah Wiegreffe and Jon Duke and Jimeng Sun and Jacob Eisenstein},
journal= {arXiv preprint arXiv:1802.05695},
year = {2018}
}
备注
NAACL 2018