2022 年 n2c2/UW 健康社会决定因素提取共享任务
计算与语言
2023-02-15 v2
摘要
目标：n2c2/UW SDOH 挑战赛探索从临床笔记中提取健康社会决定因素（SDOH）信息。目标包括推进用于 SDOH 及更广泛临床信息的自然语言处理（NLP）信息提取技术。本文介绍了该共享任务、数据、参与团队、性能结果以及对未来工作的思考。材料与方法：该任务使用了社会历史标注语料库（SHAC），其中包含临床文本以及对酒精、药物、烟草、就业和居住状况等 SDOH 事件的详细事件级标注。每个 SDOH 事件通过与状态、程度和时间性相关的属性来刻画。任务包含三个子任务，分别涉及信息提取（子任务 A）、泛化性（子任务 B）和学习迁移（子任务 C）。在处理该任务时，参与者使用了多种技术，包括规则、知识库、n-gram、词嵌入和预训练语言模型（LM）。结果：共有 15 支团队参与，顶级团队使用了预训练深度学习 LM。在所有子任务中表现最佳的团队采用了序列到序列方法，在子任务 A 上达到 0.901 F1 值，子任务 B 上达到 0.774 F1 值，子任务 C 上达到 0.889 F1 值。结论：与许多 NLP 任务和领域类似，预训练 LM 取得了最佳性能，包括在泛化性和学习迁移方面。错误分析表明，提取性能因 SDOH 而异，对于增加健康风险的物质使用和无家可归等状况（风险因素）性能较低，而对于降低健康风险的物质戒断和与家人同住等状况（保护因素）性能较高。
引用
@article{arxiv.2301.05571,
title = {The 2022 n2c2/UW Shared Task on Extracting Social Determinants of Health},
author = {Kevin Lybarger and Meliha Yetisgen and Özlem Uzuner},
journal= {arXiv preprint arXiv:2301.05571},
year = {2023}
}