利用预训练语言模型提取临床叙述中的用药变更信息
计算与语言
2023-06-13 v2
摘要
对患者用药（包括患者时间线内的用药变更）进行准确而详细的记录，对医疗提供者提供恰当的病患照护至关重要。医疗提供者或患者自身均可能发起用药变更。用药变更形式多样，包括处方药及相关剂量调整。这些变更提供了有关患者整体健康状况及导致当前照护原因的信息。后续照护可基于患者的最终状态展开。本工作探索从自由文本临床笔记中自动提取用药变更信息。Contextual Medication Event Dataset（CMED）是一个带有标注的临床笔记语料库，其通过多个与变更相关的属性刻画用药变更，包括变更类型（开始、停止、增加等）、变更发起者、时间性、变更可能性及否定。利用CMED，我们识别临床文本中的用药提及，并提出了三个新颖且高性能的基于BERT的系统，用以解析所标注的用药变更特征。我们证明，相较于最初探索CMED的工作，所提系统提升了用药变更分类性能。
引用
@article{arxiv.2208.08417,
title = {Extracting Medication Changes in Clinical Narratives using Pre-trained Language Models},
author = {Giridhar Kaushik Ramachandran and Kevin Lybarger and Yaya Liu and Diwakar Mahajan and Jennifer J. Liang and Ching-Huei Tsou and Meliha Yetisgen and Özlem Uzuner},
journal= {arXiv preprint arXiv:2208.08417},
year = {2023}
}