本研究开发了名为Easy-ICD的人工智能工具，以提高斯堪的纳维亚地区临床编码的效率。使用该工具时，处理复杂文本的编码时间中位数减少了46%，但准确性未显著提高。

本文研究医学影像自动生成报告，提出多任务学习框架和递归神经网络，以解决标签预测和异常区域定位问题。同时探讨无监督文本信息抽取方法、心脏超声图像与文本关联模型，以及人工与自动化临床编码的质量比较，旨在提高医疗记录分析效率。

该文综述了自动ICD编码的深度学习方法，包括标签关注模型、层级联合学习、Transformer、PubMedBERT及GPT-4零样本编码，旨在解决类别不平衡与长文本处理问题，在MIMIC数据集上提升预测精度与可解释性，并探索多视图学习与上下文表示以辅助临床编码。