SmartTriage：一种用于个性化患者数据采集、文书生成与决策支持的系统
计算与语言
2021-11-15 v3
摘要
症状检查器已成为收集症状和诊断患者、减少临床人员参与的重要工具。我们开发了一个由机器学习支撑的系统 SmartTriage，它通过和电子病历（EMR）的紧密双向集成，超越了传统的症状检查。基于 EMR 衍生的患者病史，我们的系统从自由文本输入中识别患者主诉，然后提出一系列离散问题以获取相关症状。患者特定数据被用于预测详细的 ICD-10-CM 编码以及药物、检验和影像医嘱。患者应答与临床决策支持（CDS）预测随后被写回 EMR。为训练 SmartTriage 的机器学习组件，我们采用了超过 2500 万次初级保健就诊和 100 万条患者自由文本就诊原因的新颖数据集。这些数据集用于构建：（1）基于长短期记忆（LSTM）的患者病史表示；（2）用于主诉提取的微调 transformer 模型；（3）用于问题排序的随机森林模型；（4）用于 CDS 预测的前馈网络。我们的系统总共支持 337 种患者主诉，合计占凯撒医疗（Kaiser Permanente）所有初级保健就诊的 。
引用
@article{arxiv.2010.09905,
title = {SmartTriage: A system for personalized patient data capture, documentation generation, and decision support},
author = {Ilya Valmianski and Nave Frost and Navdeep Sood and Yang Wang and Baodong Liu and James J. Zhu and Sunil Karumuri and Ian M. Finn and Daniel S. Zisook},
journal= {arXiv preprint arXiv:2010.09905},
year = {2021}
}
备注
Accepted as a proceeding for ML4H 2021