利用深度学习通过自然语言处理检测电子健康记录中的认知关切
计算与语言
2020-11-13 v1
摘要
痴呆症在社区中未被充分识别，被医疗专业人员低估诊断，并在理赔数据中编码不足。然而，关于认知功能障碍的信息常存在于医疗记录中非结构化的临床医生笔记里，但专家手动审阅耗时且易出错。自动挖掘这些笔记为标记具有认知关切、可能受益于评估或被转诊至专科护理的患者提供了潜在机会。为识别电子医疗记录中具有认知关切的患者，我们应用了自然语言处理（NLP）算法，并将模型性能与使用结构化诊断代码和药物数据的基线模型进行比较。一个基于注意力的深度学习模型优于基线模型及其他更简单的模型。
引用
@article{arxiv.2011.06489,
title = {Natural Language Processing to Detect Cognitive Concerns in Electronic Health Records Using Deep Learning},
author = {Zhuoqiao Hong and Colin G. Magdamo and Yi-han Sheu and Prathamesh Mohite and Ayush Noori and Elissa M. Ye and Wendong Ge and Haoqi Sun and Laura Brenner and Gregory Robbins and Shibani Mukerji and Sahar Zafar and Nicole Benson and Lidia Moura and John Hsu and Bradley T. Hyman and Michael B. Westover and Deborah Blacker and Sudeshna Das},
journal= {arXiv preprint arXiv:2011.06489},
year = {2020}
}
备注
Machine Learning for Health (ML4H) at NeurIPS 2020 - Extended Abstract