计算机应用

作者：张全梅, 黄润萍, 滕飞, 张海波, 周南

单位：1.西南交通大学 计算机与人工智能学院，成都 611756；2.奥塔哥大学 计算机科学系，新西兰 奥塔哥 9040

关键词：医学代码预测,自动国际疾病分类编码,层次结构,异构信息,自然语言处理

基金：国家自然科学基金资助项目(62272398);四川省重大科技专项(2023jdr0183)

针对自动国际疾病分类（ICD）编码中医学电子健康记录（EHR）的结构多样性以及编码间复杂的关联关系等特点，提出一种融合异构信息的自动ICD编码方法AIC-HI（Automatic ICD Coding integrating Heterogeneous Information）。首先，针对编码任务中结构化编码、半结构化描述、非结构化医学文本这3种异构数据的不同特性设计了多种特征提取器；其次，构建编码知识图谱拟合编码的层次结构关系，将不同分支间关联关系转化为包含头尾编码的三元组；再次，运用表征学习融合编码和描述信息计算标签特征；最后，通过注意力机制提取在非结构化文档中与编码标签最为相关的特征表示。实验结果表明，与次优的基线模型MARN（Multitask bAlanced and Recalibrated Network）相比，AIC-HI在真实临床数据集MIMIC-Ⅲ上所有编码的微观F1值提升了4.3个百分点。

来源：2024年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第8期