基于序列注意力文档到序列BERT的出院小结医疗编码预测
人工智能
2021-11-12 v4
摘要
临床记录是临床医生在患者就诊期间生成的非结构化文本。临床记录通常伴随一组来自国际疾病分类(ICD)的元数据编码。ICD编码是用于保险、报销、医疗诊断等多种业务的重要编码。因此，快速准确地对ICD编码进行分类十分重要。然而，标注这些编码成本高且耗时。为此，我们提出一种基于Transformer双向编码器表示(BERT)并使用序列注意力方法的模型，用于自动ICD编码分配。我们在重症监护医学信息集市III(MIMIC-III)基准数据集上评估了我们的方法。我们的模型取得了宏平均F1为0.62898、微平均F1为0.68555的性能，且优于使用MIMIC-III数据集的当前最优模型性能。本研究的贡献在于提出了一种可应用于文档的BERT使用方法，以及一种能够捕获文档中出现的重要序列信息的序列注意力方法。
引用
@article{arxiv.2106.07932,
title = {Medical Code Prediction from Discharge Summary: Document to Sequence BERT using Sequence Attention},
author = {Tak-Sung Heo and Yongmin Yoo and Yeongjoon Park and Byeong-Cheol Jo and Kyungsun Kim},
journal= {arXiv preprint arXiv:2106.07932},
year = {2021}
}