迈向自动化病史摘要：基于 BERT 的症状提取模型
计算与语言
2020-11-04 v1
摘要
现代医疗系统中的专业人员日益为文书工作负担所累。初始患者病史的文书记录尤为关键，构成了成功后续诊断措施的基础。然而，手工撰写的笔记本质上非结构化且常不完整。本文中，我们探究现代 NLP 技术在此方面辅助医生的潜力。我们呈现了一个德语患者独白的数据集，并在真实世界效用与实用性约束下 formulate 了一项定义明确的信息提取任务。此外，我们提出基于 BERT 的模型以解决所述任务。我们能够证明这些模型在症状识别与症状属性提取上均表现出有前景的性能，显著优于更简单的基线。
引用
@article{arxiv.2011.01696,
title = {Towards Automated Anamnesis Summarization: BERT-based Models for Symptom Extraction},
author = {Anton Schäfer and Nils Blach and Oliver Rausch and Maximilian Warm and Nils Krüger},
journal= {arXiv preprint arXiv:2011.01696},
year = {2020}
}
备注
Machine Learning for Health (ML4H) at NeurIPS 2020 - Extended Abstract