从临床笔记预测医疗编码:从人工编码员到机器
机器学习
2022-11-01 v1 计算与语言
摘要
从临床笔记中预测医疗编码是当前医疗体系下每个医疗服务机构切实且必不可少的需求。自动化标注将节省人工编码员如今所耗费的大量时间与过多精力。然而,最大的挑战是从非结构化自由文本临床笔记中直接从数千个高维编码中识别合适的医疗编码。这一从临床笔记出发的复杂医疗编码预测问题已在 NLP 领域引起广泛关注,近期若干研究展示了基于深度学习的成熟方法在编码预测上的最优结果。这一进展引出了根本性问题:自动化机器学习系统距离人工编码员的工作表现还有多远,以及当前可解释性方法在诸如 Transformer 等先进神经网络模型上的适用程度如何。这是为了预测正确编码并呈现临床笔记中支持编码预测的引用,因为预测结果的可解释性与准确性达到这一水平对于获得专业医疗编码员的信任至关重要。
引用
@article{arxiv.2210.16850,
title = {Medical Codes Prediction from Clinical Notes: From Human Coders to Machines},
author = {Byung-Hak Kim},
journal= {arXiv preprint arXiv:2210.16850},
year = {2022}
}
备注
The 11th Bay Area Machine Learning Symposium (BayLearn 2022), San Francisco, CA, October 20, 2022. arXiv admin note: substantial text overlap with arXiv:2210.15882. substantial text overlap with arXiv:2107.10650