草药处方与疾病之间的神经机器翻译

当前研究将深度学习应用于草药学。为此，我们获取了台湾全民健康保险数据库中2004年至2013年十年期间申报的去标识化健康保险报销数据，报销记录总数达3.4亿条。对该数据集应用了两种人工智能技术：残差卷积神经网络多任务分类器和基于注意力的循环神经网络。前者用于将草药处方翻译为疾病，后者用于将疾病翻译为草药处方。对分类结果的分析表明，草药处方特定于：患者的解剖结构、病理生理学、性别和年龄，以及处方的季节和年份。进一步分析确定了温度和国内生产总值作为与草药处方相关的气象和社会经济因素。对神经机器翻译结果的分析表明，循环神经网络不仅学习了疾病和草药处方的句法，还学习了其语义。