对于自动ICD编码的深度学习:审查,机会和挑战
Xiaobo Li1, Yijia Zhang1, Xiaodi Hou2
1School of Information Science and Technology, Dalian Maritime University, Dalian, Liaoning, 116026, China.
Artificial intelligence in medicine
|July 15, 2025
概括
深度学习通过克服电子健康记录 (EHR) 的挑战,显著提高了国际疾病分类 (ICD) 的自动编码. 先进的神经网络和辅助数据提高了医疗编码任务的准确性和效率.
科学领域:
- 计算机科学 计算机科学
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 自动国际疾病分类 (ICD) 编码对于医疗保健数据管理至关重要,但在复杂的电子健康记录 (EHR) 方面面临挑战.
- 手动编码是低效和易出错的,而传统的机器学习方法与临床文本语义斗争.
- 深度学习 (DL) 在解决这些限制方面显示出有前途的希望,用于准确的医疗代码分配.
研究的目的:
- 综合审查自动ICD编码的深度学习的最新进展.
- 确定基于DL的ICD编码中的突出挑战和新兴发展趋势.
- 根据其年份,设计,神经网络和辅助数据分析模型.
主要方法:
- 基于深度学习的自动ICD编码方法的系统文献综述.
- 选了5个主要的在线数据库 (科学网络,SpringerLink,PubMed,ACM,IEEE).
- 收集和分析了2017年至2023年间发表的53篇相关文章.
主要成果:
- 像CNN,RNN,注意力机制,变压器和PLM这样的深度神经网络可以有效地处理漫长,杂的临床文本和复杂的代码关系.
- 新兴趋势包括整合医疗本体学 (代码描述,层次结构) 和外部知识 (维基百科,CCS) 以改进编码.
- 这些方法解决了医疗编码中的高维度和长尾标签分布等挑战.
结论:
- 深度学习,特别是神经网络和注意力机制,已经在自动ICD编码任务中取得了成功.
- 整合辅助医疗数据可以提高模型性能和特征表示.
- 基于深度学习的自动ICD编码在医疗保健中具有显著的未来潜力,目前正在面临的挑战和未来的方向已确定.
相关概念视频
01:22Machines: Problem Solving I
A toggle clamp is a mechanical device commonly used for holding and clamping objects in various applications, such as woodworking, metalworking, and assembly operations. Consider a toggle clamp subjected to a force of 200 N at the handle. The vertical clamping force can be calculated, provided the dimensions of the toggle clamp are known.
The toggle clamp system is a machine structure consisting of movable, pin-connected multi-force members that form a stabilized system to transmit forces. The...
The toggle clamp system is a machine structure consisting of movable, pin-connected multi-force members that form a stabilized system to transmit forces. The...
01:30Machines: Problem Solving II
Machines are complex structures consisting of movable, pin-connected multi-force members that work together to transmit forces. Consider a lifting tong carrying a 100 kg load. It comprises movable sections DAF and CBG linked together with member AB.