面向辅助影像诊断的查询聚焦式电子健康记录摘要
机器学习
2021-03-03 v2 机器学习
摘要
电子健康记录（EHRs）在为放射科医生及其他医生提供诊断时的重要上下文信息方面发挥着关键作用。遗憾的是，由于给定患者的记录可能包含数百份笔记和报告，在通常分配给一例病例的短时间内从中识别相关信息非常困难。我们提出并评估从患者记录中提取相关文本片段以提供粗略病例摘要的模型，旨在辅助医生考虑一个或多个诊断。这很困难，因为直接监督（即医生对医疗记录中与特定诊断相关的片段的标注）大规模收集成本高昂。我们提出一种远程监督策略，使用在“未来”记录中观察到的国际疾病分类（ICD）代码组作为“下游”诊断的噪声代理。利用此方式，我们训练一个基于transformer的神经模型，以执行基于潜在诊断的条件抽取式摘要。该模型定义了以诊断医生提供的潜在诊断（查询）为条件的注意力机制。我们通过远程监督在波士顿布列根和妇女医院以及MIMIC-III（后者为便于复现）的EHR数据上训练并评估该模型的变体。由放射科医生执行的评估表明，这些远程监督模型比无监督方法产生更好的抽取式摘要。此类模型可通过识别既往患者报告中与潜在诊断临床相关的句子来辅助诊断。
引用
@article{arxiv.2004.04645,
title = {Query-Focused EHR Summarization to Aid Imaging Diagnosis},
author = {Denis Jered McInerney and Borna Dabiri and Anne-Sophie Touret and Geoffrey Young and Jan-Willem van de Meent and Byron C. Wallace},
journal= {arXiv preprint arXiv:2004.04645},
year = {2021}
}