非结构化医疗文本文档中的命名实体识别
计算与语言
2021-11-01 v1
摘要
医师就患者的医疗状况向法律法庭提供专家意见，包括判定患者是否可能有永久性或非永久性损伤或疾病。独立医疗检查（IME）报告基于医师的专业知识总结其关于患者健康状况的医疗意见。IME报告包含私人敏感信息（个人可识别信息或PII），在进一步研究工作开展前需要被移除或随机编码。在我们的研究中，该IME为美国私人诊所的骨科外科医生。本研究的目标是执行命名实体识别（NER）以识别并随后移除/编码由该医师撰写的IME报告中的PII信息。我们应用OpenNLP与spaCy这两个免费自然语言处理平台的NER工具包，并在使用各模型常见默认参数的随机选取IME报告试验中，比较它们在识别五类PII上的精确率、召回率与F值表现。我们发现两个平台在去标识化上均取得高性能（F值 > 0.9），且以70-30训练-测试数据划分训练的spaCy模型表现最佳。
引用
@article{arxiv.2110.15732,
title = {Named Entity Recognition in Unstructured Medical Text Documents},
author = {Cole Pearson and Naeem Seliya and Rushit Dave},
journal= {arXiv preprint arXiv:2110.15732},
year = {2021}
}