用于从 MIMIC-III 住院病历中识别诊断与操作码的多标签自然语言处理
摘要
在美国，医院支出中 25% 或超过 2000 亿美元用于涉及医疗编码与计费服务的行政成本。随着患者记录数量的增加，人工分配代码的工作令人不堪重负、耗时且易出错，导致计费错误。自然语言处理可自动从非结构化临床病历中提取代码/标签，从而帮助人工编码员节省时间、提高生产率并核查医疗编码错误。我们的目标是通过多标签分类从临床病历中识别适当的诊断与操作代码。我们使用来自 MIMIC-III 数据库的重症监护患者去标识化数据，并对数据进行子集筛选以选取十种（前 10）和五十种（前 50）最常见诊断与操作，其分别覆盖所有入院的 47.45% 和 74.12%。我们实现了最先进的 Bidirectional Encoder Representations from Transformers (BERT)，在 80% 的数据上微调语言模型，并在剩余 20% 上验证。该模型在前 10 代码上取得了 87.08% 的总体准确率、85.82% 的 F1 分数和 91.76% 的 AUC；在前 50 代码上，模型取得了 93.76% 的总体准确率、92.24% 的 F1 分数和 91% 的 AUC。与已发表的研究相比，我们的模型在从临床文本预测代码方面表现更优。我们讨论了将 MIMIC-BERT 知识发现过程推广到其他临床病历的方法。这有助于人工编码员节省时间、防止积压以及因编码错误产生的额外成本。
引用
@article{arxiv.2003.07507,
title = {Multi-label natural language processing to identify diagnosis and procedure codes from MIMIC-III inpatient notes},
author = {A. K. Bhavani Singh and Mounika Guntu and Ananth Reddy Bhimireddy and Judy W. Gichoya and Saptarshi Purkayastha},
journal= {arXiv preprint arXiv:2003.07507},
year = {2020}
}
备注
This is a shortened version of the Capstone Project that was accepted by the Faculty of Indiana University, in partial fulfillment of the requirements for the degree of Master of Science in Health Informatics