基于Transformer的面向专家专科化的医疗咨询用户查询分类
机器学习
2023-10-04 v2 计算机与社会
信息检索
摘要
在数字医疗时代，对专业医疗支持的需求日益增长。本研究提出一种创新策略，利用RuBERT模型对医疗咨询领域的用户询问进行分类，重点关注专家专科化。通过发挥transformers的能力，我们在多样化数据集上对预训练的RuBERT模型进行微调，从而实现查询与特定医学专科之间的精确对应。使用综合数据集，我们证明了该方法在交叉验证以及传统的测试与训练集划分下均取得了超过92%的F1-score的优越性能。我们的方法在心脏病学、神经病学和皮肤病学等医学领域展现出优秀的泛化能力。该方法通过将用户引导至合适的专科医生以获得及时且有针对性的医疗建议，带来了实际益处。它还提升了医疗系统效率，减轻了从业者负担，并改善了患者护理质量。总之，我们提出的策略有助于获取特定医学知识，在数字医疗领域内提供及时而精准的建议。
引用
@article{arxiv.2309.14662,
title = {Transformer-based classification of user queries for medical consultancy with respect to expert specialization},
author = {Dmitry Lyutkin and Andrey Soloviev and Dmitry Zhukov and Denis Pozdnyakov and Muhammad Shahid Iqbal Malik and Dmitry I. Ignatov},
journal= {arXiv preprint arXiv:2309.14662},
year = {2023}
}
备注
16 pages, 5 figures