面向电子健康记录中非结构化数据的神经自然语言处理：综述
计算与语言
2021-07-08 v1 人工智能
摘要
电子健康记录（EHRs）是患者医疗事件与观测的数字化集合，在医学中无处不在，对医疗服务的提供、运营和研究至关重要。尽管处于核心地位，EHRs 却以难以自动处理而著称。EHRs 中存储的信息超过一半以上为非结构化文本形式（如医生记录、手术报告），且在二次利用方面基本未被开发。然而，近来较新的神经网络与深度学习自然语言处理（NLP）方法取得了显著进展，在多种任务上超越了传统的统计与基于规则的系统。在本综述论文中，我们总结了当前用于 EHR 应用的神经 NLP 方法。我们关注广泛的任务，即分类与预测、词嵌入、抽取、生成，以及其他主题如问答、表型分析、知识图谱、医疗对话、多语言性、可解释性等。
引用
@article{arxiv.2107.02975,
title = {Neural Natural Language Processing for Unstructured Data in Electronic Health Records: a Review},
author = {Irene Li and Jessica Pan and Jeremy Goldwasser and Neha Verma and Wai Pan Wong and Muhammed Yavuz Nuzumlalı and Benjamin Rosand and Yixin Li and Matthew Zhang and David Chang and R. Andrew Taylor and Harlan M. Krumholz and Dragomir Radev},
journal= {arXiv preprint arXiv:2107.02975},
year = {2021}
}
备注
33 pages, 11 figures