GrabQC：基于图的查询上下文化用于自动化ICD编码
机器学习
2022-07-15 v1
摘要
自动化医疗编码是将临床记录从ICD（国际疾病分类）和CPT（当前操作术语）等标准分类法中自动编码为适当诊断和手术代码的过程。人工编码过程包括从临床记录中识别实体，然后查询遵循医疗保险和医疗补助服务中心（CMS）指南的商业或非商业医疗代码信息检索（IR）系统。我们提出通过自动从临床记录中提取的实体为IR系统自动构建查询，从而实现该人工过程的自动化。我们提出 \textbf{GrabQC}，一种 \textbf{Gra}ph \textbf{b}ased \textbf{Q}uery \textbf{C}ontextualization（基于图的查询上下文化）方法，该方法从临床文本中自动提取查询，使用图神经网络（GNN）模型对查询进行上下文化，并利用外部IR系统获取ICD代码。我们还提出了一种用于为训练模型标注数据集的方法。我们在两个临床文本数据集上以三种不同设置进行了实验，以验证我们方法的有效性。实验结果表明，我们所提方法在所有三种设置下均优于对比基线。
引用
@article{arxiv.2207.06802,
title = {GrabQC: Graph based Query Contextualization for automated ICD coding},
author = {Jeshuren Chelladurai and Sudarsun Santhiappan and Balaraman Ravindran},
journal= {arXiv preprint arXiv:2207.06802},
year = {2022}
}
备注
25th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2021)