自动医学编码推荐的多阶段检索和再排序模型
原文中文,约300字,阅读约需1分钟。发表于: 。本文介绍了一种用于 ICD 编码的多阶段 “检索和重排序” 框架,通过混合离散检索方法和对比学习,在一个简化的标签空间中使模型能够更准确地预测,实验结果显示该方法在 MIMIC-III 基准测试上达到了最先进的性能水平。
该论文提出了一种利用NLP、AutoML和Clinician-in-the-Loop技术构建机器学习分类器的可扩展工作流程,用于评估EHR文本记录中的患者。研究发现该工作流程在识别多种疾病方面表现出更高的分类性能,并能发现未编码患者。