Automated Clinical Coding for Outpatient Departments

要約

コンピュータによる臨床コーディングのアプローチは、一連のコードを医療記録に割り当てるプロセスを自動化することを目的としています。
入院患者の臨床コーディングに関する最先端の研究が活発に行われている一方で、医師が入院していない患者の治療を行う外来患者の現場は見落とされています。
どちらの設定もマルチラベル分類タスクとして形式化できますが、独特で明確な課題があり、入院患者の臨床コーディング アプローチの成功が外来患者の設定にも反映されるかどうかという疑問が生じます。
この論文は、最先端のディープラーニングベースの臨床コーディングアプローチが病院規模の外来患者環境でどの程度うまく機能するかを調査した最初の論文です。
この目的を達成するために、私たちは 50 万人以上の患者を記録した 700 万件以上のメモからなる大規模な外来患者データセットを収集します。
私たちは 4 つの最先端の臨床コーディング アプローチをこの状況に適応させ、プログラマーを支援する可能性を評価します。
私たちは、外来患者向けの臨床コーディングが、一般的な入院患者向けコーディング ベンチマークのさらなるイノベーションから恩恵を受けることができるという証拠を発見しました。
成功に寄与する要因 (データの量と形式、文書表現の選択) をより深く分析すると、解決が容易な例の存在が明らかになり、そのコーディングは低いエラー率で完全に自動化できます。

要約(オリジナル)

Computerised clinical coding approaches aim to automate the process of assigning a set of codes to medical records. While there is active research pushing the state of the art on clinical coding for hospitalized patients, the outpatient setting — where doctors tend to non-hospitalised patients — is overlooked. Although both settings can be formalised as a multi-label classification task, they present unique and distinct challenges, which raises the question of whether the success of inpatient clinical coding approaches translates to the outpatient setting. This paper is the first to investigate how well state-of-the-art deep learning-based clinical coding approaches work in the outpatient setting at hospital scale. To this end, we collect a large outpatient dataset comprising over 7 million notes documenting over half a million patients. We adapt four state-of-the-art clinical coding approaches to this setting and evaluate their potential to assist coders. We find evidence that clinical coding in outpatient settings can benefit from more innovations in popular inpatient coding benchmarks. A deeper analysis of the factors contributing to the success — amount and form of data and choice of document representation — reveals the presence of easy-to-solve examples, the coding of which can be completely automated with a low error rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google