Nature子刊：71位中外科学家联手打造史上最强“AI儿科医生”(4)

 

我们建立了原始信息提取模型，从电子病历的原始数据中提取出关键概念和相关类别，并将其转换为查询-答案组合的新格式的临床数据。这些数据将相关症状进行分组，通过表示模型依赖的确切特征来进行诊断，从而提高了可解释性。三名医生策划并验证了这些模式，其中包括患者主诉、现有病史，体检和实验室报告。

[好文分享：www.11jj.com]

自然语言处理信息提取模型的设计

NLP框架有多个组成部分：词典构建、符号化、单词嵌入、图构建，以及使用LSTM架构的句子分类。

 

词典构建

 

我们通过阅读训练数据中的句子，并选择临床相关单词以用于查询-答案模型构建来生成词典。词典的关键词由我们的医生策划，并使用中文医学词典生成。接下来，根据医生的临床知识和经验，以及专家共识修订词典中的错误。迭代运行程序，直到找不到现有疾病和体检的新的概念为止。然后使用这些句子来训练单词嵌入模型。

 

架构设计

 

架构由医生策划的问题列表组成，用于提取症状信息以进行诊断。比如问题有“患者是否发烧？”和“患者是否咳嗽？”。答案包括关键位置和数字函数。前者对解剖的位置进行编码，如肺或胃肠道。因此，该值可以是分类变量，也可以是二进制数，具体取决于要素类型。

 

然后，我们为每种类型的病例数据构建一个模式：由当前疾病的病史和患者主诉，体检与实验室检查构成。然后将此架构用于文本新格式的建模。架构设计的基本原理是增强不同医院之间的数据的互操作性，以便将来进行进一步研究。此外，与使用有可能被识别出的原始病例相比，以新格式提供病例也有助于保护患者的隐私。