基于知识图谱的电子健康记录问答
数据库
2021-08-03 v2 人工智能
机器学习
摘要
问答(QA)是一种广泛使用的用于开发和评估智能机器的框架。据此，电子健康记录(EHR)上的QA，即EHR QA，可作为迈向开发医疗健康领域智能体的关键里程碑。EHR数据通常存储在关系数据库中，也可转换为有向无环图，从而允许两种EHR QA方法：基于表的QA和基于知识图谱的QA。我们假设基于图的方法更适合EHR QA，因为与本质上需要JOIN操作的表相比，图能更自然地表示实体与值之间的关系。在本文中，我们提出了一种基于图的EHR QA，其中自然语言查询被转换为SPARQL而非SQL。为验证我们的假设，我们基于一个基于表的数据集MIMICSQL创建了四个EHR QA数据集（基于图VS基于表，以及简化数据库模式VS原始数据库模式）。我们在所有数据集上测试了一个简单的Seq2Seq模型和一个最先进的EHR QA模型，其中基于图的数据集在无需任何模型架构修改的情况下，比基于表的数据集实现了高达34%的更高准确率。最后，所有数据集均已开源，以鼓励两个方向的进一步EHR QA研究。
引用
@article{arxiv.2010.09394,
title = {Knowledge Graph-based Question Answering with Electronic Health Records},
author = {Junwoo Park and Youngwoo Cho and Haneol Lee and Jaegul Choo and Edward Choi},
journal= {arXiv preprint arXiv:2010.09394},
year = {2021}
}
备注
Accepted at Machine Learning in Health Care (MLHC) 2021