从自由文本电子健康记录中预测临床意图
计算与语言
2022-04-21 v1 机器学习
摘要
在患者就诊后，临床医生确定对患者的管理步骤。例如，临床医生可能要求再次见患者或将其转诊给专科医生。虽然大多数临床医生会在患者的临床笔记中将其意图记录为“后续步骤”，但在某些情况下，临床医生可能忘记将其意图指示为医嘱或请求，例如未能下达随访医嘱。这导致患者失访，在某些情况下可能导致不良后果。在本文中，我们训练了一个机器学习模型，从患者的临床笔记中检测临床医生随访患者的意图。标注人员系统地识别了 22 种可能的临床意图类型，并标注了 3000 份减重（Bariatric）临床笔记。标注过程揭示了标注数据中的类别不平衡，我们发现仅有足够标注数据来训练 22 种意图中的 11 种。我们使用数据训练了一个基于 BERT 的多标签分类模型，并报告了所有意图的以下平均准确率指标：宏精确率（macro-precision）：0.91，宏召回率（macro-recall）：0.90，宏 F1（macro-f1）：0.90。
引用
@article{arxiv.2204.09594,
title = {Predicting Clinical Intent from Free Text Electronic Health Records},
author = {Kawsar Noor and Katherine Smith and Julia Bennett and Jade OConnell and Jessica Fisk and Monika Hunt and Gary Philippo and Teresa Xu and Simon Knight and Luis Romao and Richard JB Dobson and Wai Keong Wong},
journal= {arXiv preprint arXiv:2204.09594},
year = {2022}
}