MedGPT：基于临床叙述的医学概念预测
计算与语言
2021-07-08 v1
摘要
电子健康记录（EHRs）中可用的数据为变革医疗提供了机会，而为一例患者提供更好照护的最佳途径是从所有其他患者可用数据中学习。对患者病史进行时间建模，考虑既往事件的序列，可用于预测未来事件，例如新疾病的诊断或既往或现有疾病的并发症。虽然大多数预测方法主要使用 EHRs 中的结构化数据或单域预测与结果的一个子集，我们提出 MedGPT，一种基于 transformer 的新颖流水线，其使用命名实体识别与链接工具（即 MedCAT）来结构化与组织 EHRs 的自由文本部分，并预测一系列未来医疗事件（初始为疾病）。由于 EHR 数据的很大一部分为文本形式，这种方法受益于对患者细粒度且详细的视图，同时引入了适度的额外噪声。MedGPT 有效处理噪声与增加的细粒度，并在英国伦敦 King's College Hospital 的真实世界医院数据（\textasciitilde600k 患者）上预测前 1、3 和 5 候选未来疾病时分别达到 0.344、0.552 和 0.640 的精度（LSTM 为 0.329、0.538 和 0.633）。我们还通过在实验性医学多项选择题问答任务上测试我们的模型，以及使用基于梯度的显著性方法检查模型的注意力焦点，表明我们的模型捕捉了医学知识。
引用
@article{arxiv.2107.03134,
title = {MedGPT: Medical Concept Prediction from Clinical Narratives},
author = {Zeljko Kraljevic and Anthony Shek and Daniel Bean and Rebecca Bendayan and James Teo and Richard Dobson},
journal= {arXiv preprint arXiv:2107.03134},
year = {2021}
}
备注
6 pages, 2 figures, 3 tables