本研究提出了一种字典标签注意力模块，旨在提高多标签医疗编码预测的可解释性。该方法通过将稠密嵌入转化为稀疏嵌入，增强了模型的理解能力，揭示了数千个医疗概念，同时保持了竞争性能和可扩展性。

本文探讨了大型预训练生成语言模型（LLM）在医疗编码和文本分析中的应用。研究表明，LLM在编码任务中表现出高效性和准确性，甚至超过人工标注员，能够节省时间和成本。LLM在医疗决策支持中展现出潜力，尤其是在处理稀有编码和定性分析方面。