ICDBigBird：一种用于 ICD 编码分类的上下文嵌入模型
计算与语言
2022-04-25 v1 机器学习
摘要
国际疾病分类（ICD）系统是在医疗就诊期间对疾病与操作进行分类的国际标准，广泛用于医疗报告与管理。为临床操作分配正确编码对医疗中的临床、运营与财务决策十分重要。上下文词嵌入模型已在多项 NLP 任务中取得最先进结果。然而，这些模型尚未在 ICD 分类任务中达到最先进结果，因为其一大劣势是只能处理包含少量 token 的文档，而真实患者病历极少如此。本文引入 ICDBigBird，一种基于 BigBird 的模型，其可集成图卷积网络（GCN）——利用 ICD 编码间关系生成其嵌入的“富集”表示——与可处理更长文档的 BigBird 上下文模型。我们在真实世界临床数据集上的实验证明了基于 BigBird 的模型在 ICD 分类任务上的有效性，因其优于先前最先进模型。
引用
@article{arxiv.2204.10408,
title = {ICDBigBird: A Contextual Embedding Model for ICD Code Classification},
author = {George Michalopoulos and Michal Malyska and Nicola Sahar and Alexander Wong and Helen Chen},
journal= {arXiv preprint arXiv:2204.10408},
year = {2022}
}
备注
7 pages, 1 figure, accepted in BioNLP 2022