RuCCoD：迈向俄语自动化ICD编码
计算与语言
2025-09-29 v2 人工智能
数据库
摘要
本研究探讨了在俄语这一生物医学资源有限的语言中实现临床编码自动化的可行性。我们提出了一个用于 ICD 编码的新数据集，其中包含了来自电子健康记录（EHRs）的诊断字段，标注了超过 10,000 个实体和 1,500 多个唯一的 ICD 代码。该数据集作为多个最先进模型的基准，包括 BERT、带 LoRA 的 LLaMA 和 RAG，并进行了额外的实验，考察了跨领域（从 PubMed 摘要到医学诊断）和跨术语体系（从 UMLS 概念到 ICD 代码）的迁移学习。然后，我们应用表现最佳的模型来标记一个包含 2017 年至 2021 年患者病史的内部 EHR 数据集。我们在精心策划的测试集上进行的实验表明，与医生手动标注的数据相比，使用自动预测代码进行训练显著提高了准确性。我们相信，我们的发现为在俄语等资源有限的语言中实现临床编码自动化提供了有价值的见解，这可能会提高这些环境中的临床效率和数据准确性。我们的代码和数据集可在 https://github.com/auto-icd-coding/ruccod 获取。
引用
@article{arxiv.2502.21263,
title = {RuCCoD: Towards Automated ICD Coding in Russian},
author = {Aleksandr Nesterov and Andrey Sakhovskiy and Ivan Sviridov and Airat Valiev and Vladimir Makharev and Petr Anokhin and Galina Zubkova and Elena Tutubalina},
journal= {arXiv preprint arXiv:2502.21263},
year = {2025}
}
备注
Accepted to EMNLP 2025 (Main Conference)