临床问题列表条目的二次利用用于基于神经网络的疾病编码分配
计算与语言
2023-05-22 v2
摘要
临床信息系统已成为半结构化且部分带标注的电子健康记录数据的大型存储库，其规模已达临界量，足以引起有监督数据驱动神经网络方法的关注。我们探索了使用国际疾病分类（ICD-10）对长度为 50 字符的临床问题列表条目进行自动编码，并在前 100 个 ICD-10 三位代码上评估了三种不同的网络架构。fastText 基线取得宏平均 F1 分数 0.83，随后字符级 LSTM 取得宏平均 F1 分数 0.84。性能最优的方法采用经下游微调的 RoBERTa 模型与自定义语言模型，取得宏平均 F1 分数 0.88。神经网络激活分析结合假阳性与假阴性考察，揭示不一致的人工编码是主要限制因素。
引用
@article{arxiv.2112.13756,
title = {Secondary Use of Clinical Problem List Entries for Neural Network-Based Disease Code Assignment},
author = {Markus Kreuzthaler and Bastian Pfeifer and Diether Kramer and Stefan Schulz},
journal= {arXiv preprint arXiv:2112.13756},
year = {2023}
}
备注
5 pages, 1 figure