在医疗信息学中通过贝叶斯优化的检索和基于变压器的重新排名来实现可扩展的单位协调

科学领域:

• 生物医学信息学 生物医学信息学
• 数据科学数据科学数据科学
• 医疗信息学 医疗信息学

背景情况:

• 临床数据集经常包含不一致的单元,阻碍了数据的互操作性和重用.
• 标准化单位对于准确的分析和可靠的多机构研究至关重要.

研究的目的:

• 开发和评估一种可扩展的方法来协调大型临床数据集中不一致的单位.
• 解决医疗保健数据互操作性的一个关键障碍.

主要方法:

• 设计了一个新的单位协调系统,结合了BM25,句子嵌入,贝叶斯优化和基于变压器的分类器.
• 一个多阶段的管道涉及过,识别,协调提案生成,自动重新排名和手动验证.
• 该系统在Optum Clinformatics Datamart数据集 (75亿条目) 上使用平均互惠等级 (MRR) 进行了评估.

主要成果:

• 混合检索方法 (BM25 +句子嵌入) 实现了0.8833的MRR,超过了只有词汇 (0.7985) 和仅嵌入 (0.5277) 的方法.
• 一个基于变压器的重排器进一步提高了性能,最终系统MRR达到0.9833.
• 该系统显示了高精度 (83.39%在排名1) 和回忆 (94.66%在排名5).

结论:

• 混合架构有效地结合了词汇和语义方法,以实现准确的单位协调.
• 该框架提供了一个高效且可扩展的解决方案,减少了手工工作,提高了临床数据的准确性.
• 统一的数据确保了整个医疗保健系统的一致性,使得在分析和可靠的多机构研究中能够无重复使用.