Effective Medical Code Prediction via Label Internal Alignment

要約

タイトル：ラベル内部整列による効果的な医療コードの予測

要約：

– 医療従事者がシステムに打ち込む臨床ノートは、通常標準的な医療コードでマークする必要がある。各コードは診断や医療処置を表している。
– これらのノートに注釈をつけることは時間がかかり、誤りが起こりやすい。
– この論文では、医療テキストから医療コードを予測するための多視点注意ベースのニューラルネットワークを提案する。
– この方法は、臨床テキストの意味的文脈、ラベル（医療コード）空間内の関係、そして各臨床テキストと医療コードのペア間の整合性の3つの情報を統合している。
– この方法は、オープンソースのデータセット上で効果的であることが確認されている。
– 実験結果から、多数の指標において従来の最先端技術よりも性能が向上したことが示されている。

要約(オリジナル)

The clinical notes are usually typed into the system by physicians. They are typically required to be marked by standard medical codes, and each code represents a diagnosis or medical treatment procedure. Annotating these notes is time consuming and prone to error. In this paper, we proposed a multi-view attention based Neural network to predict medical codes from clinical texts. Our method incorporates three aspects of information, the semantic context of the clinical text, the relationship among the label (medical codes) space, and the alignment between each pair of a clinical text and medical code. Our method is verified to be effective on the open source dataset. The experimental result shows that our method achieves better performance against the prior state-of-art on multiple metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI