从医疗对话中弱监督提取用药方案
计算与语言
2020-10-13 v1 信息检索
机器学习
摘要
从医疗对话中自动提取用药方案（MR）不仅能提高召回率并帮助患者遵循其护理计划，还可减轻医生的文书负担。本文聚焦于提取与对话中讨论药物相关的频率、给药途径和变更所对应的文本片段。我们首先描述了一个带标注的医患对话独特数据集，随后提出一种弱监督模型架构，可利用含噪分类数据执行片段提取。该模型在分类模型内部使用注意力瓶颈来进行提取。我们尝试了若干种注意力打分与投影函数的变体，并提出了一种新颖的基于 Transformer 的注意力打分函数（TAScore）。所提出的 TAScore 与 Fusedmax 投影组合相较加性打分加 softmax 投影的基线，在最长公共子串 F1 上实现了 10 个点的提升。
引用
@article{arxiv.2010.05317,
title = {Weakly Supervised Medication Regimen Extraction from Medical Conversations},
author = {Dhruvesh Patel and Sandeep Konam and Sai P. Selvaraj},
journal= {arXiv preprint arXiv:2010.05317},
year = {2020}
}
备注
To appear in the Proceedings of the Clinical Natural Language Processing Workshop, EMNLP, 2020