基于上下文语言模型的用药错误检测

用药错误最常发生在医嘱开具或处方阶段，可能导致医疗并发症和不良健康结局。尽管可以利用不同技术捕获这些错误，但本工作的重点是对处方信息进行文本与上下文分析，以检测并预防潜在的用药错误。在本文中，我们展示了如何使用基于 BERT 的上下文语言模型，基于从数千份患者记录的真实世界医疗数据中提取的数据集，来检测书面或口语文本中的异常。所提出的模型能够学习文本依赖模式，并基于患者数据等上下文信息预测错误输出。实验结果在文本输入上达到最高 96.63% 的准确率，在语音输入上达到最高 79.55% 的准确率，这对于大多数真实世界应用而言是令人满意的。