A Unified Review of Deep Learning for Automated Medical Coding

要約

タイトル：自動医療コーディングの深層学習に関する統合的レビュー
要約：
– 自動医療コーディングは、臨床書類から医療コードを予測することにより、医療の運営および提供に必要不可欠な作業である。
– 深層学習および自然言語処理の最近の進歩により、このタスクに広く適用されている。
– しかし、深層学習に基づく医療コーディングには、神経ネットワークアーキテクチャの設計の統一的な見方が欠けている。
– このレビューは、統一的なフレームワークを提案し、医療コーディングモデルの構築ブロックの一般的な理解を提供し、提案されたフレームワークに基づく最近の高度なモデルをまとめる。
– 統一フレームワークは、テキスト特徴抽出のためのエンコーダモジュール、深いエンコーダアーキテクチャを構築するためのメカニズム、隠れた表現を医療コードに変換するためのデコーダモジュール、および補助情報の使用に医療コーディングを分解する。
– 最後に、ベンチマークと現実世界で使用される方法を紹介し、主要な研究課題と将来の方向について論じる。

要約(オリジナル)

Automated medical coding, an essential task for healthcare operation and delivery, makes unstructured data manageable by predicting medical codes from clinical documents. Recent advances in deep learning and natural language processing have been widely applied to this task. However, deep learning-based medical coding lacks a unified view of the design of neural network architectures. This review proposes a unified framework to provide a general understanding of the building blocks of medical coding models and summarizes recent advanced models under the proposed framework. Our unified framework decomposes medical coding into four main components, i.e., encoder modules for text feature extraction, mechanisms for building deep encoder architectures, decoder modules for transforming hidden representations into medical codes, and the usage of auxiliary information. Finally, we introduce the benchmarks and real-world usage and discuss key research challenges and future directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI