Explainable ICD Coding via Entity Linking

要約

臨床コーディングはヘルスケアの重要なタスクですが、臨床コーディングを自動化するための従来の方法は、生産環境でコーダーに十分な明示的な証拠を提供しない場合があります。
医療コーダーは、コードの帰属を正当化する入力健康記録に少なくとも1つの明示的な通過が存在することを確認する必要があるため、この証拠は非常に重要です。
したがって、タスクを問題をリンクするエンティティとして再構築することを提案します。このエンティティでは、各ドキュメントにコードのセットとそれぞれのテキスト証拠が注釈が付けられ、より良いヒューマンマシンコラボレーションを可能にします。
大規模な言語モデル（LLMS）のパラメーター効率の高い微調整を活用することと、制約されたデコードとともに、臨床言及を曖昧にするのに効果的であり、少ないショットシナリオでうまく機能するこの問題を解決するための3つのアプローチを導入します。

要約(オリジナル)

Clinical coding is a critical task in healthcare, although traditional methods for automating clinical coding may not provide sufficient explicit evidence for coders in production environments. This evidence is crucial, as medical coders have to make sure there exists at least one explicit passage in the input health record that justifies the attribution of a code. We therefore propose to reframe the task as an entity linking problem, in which each document is annotated with its set of codes and respective textual evidence, enabling better human-machine collaboration. By leveraging parameter-efficient fine-tuning of Large Language Models (LLMs), together with constrained decoding, we introduce three approaches to solve this problem that prove effective at disambiguating clinical mentions and that perform well in few-shot scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google