面向电子健康记录的自然语言生成

现有多种生成合成电子健康记录（EHR）的方法，但它们无法生成非结构化文本，如急诊科（ED）主诉、现病史或病程记录。在此，我们使用编码器-解码器模型——一种在许多当代机器翻译系统中出现的深度学习算法——从EHR中的离散变量（如年龄组、性别和出院诊断）生成合成主诉。在真实记录上端到端训练后，该模型可生成保留原始数据中大量流行病学信息的逼真主诉文本。作为模型优化目标的一个副作用，这些合成主诉也不含相对少见的缩写和拼写错误，并且不包含训练数据中的任何个人可识别信息（PII），表明其可用于支持EHR中文本的去标识化。当与生成对抗网络（GAN）等算法结合时，我们的模型可用于生成完全合成的EHR，促进医疗保健提供者与研究人员之间的数据共享，并提升我们开发针对医疗数据信息的机器学习方法的能力。