医疗NLP实践与思考

深度学习技术在许多医学问题上取得成功：

医学图像分类和分割：CNN

文本中信息抽取、疾病预测：CNN、RNN、transformer

病患语音识别和机器翻译：RNN、Seq2Seq

体征检测和疾病风险评估：RNN、MLP、transformer

新药研发：GCN

手术机器人：CNN、强化学习

等等…

NLP赋能医疗业务
医疗数据包括：电子病历数据、药品说明书、检查报告单、体检报告、在线问诊/论坛问答、医学教科书、科研文献等等。

一个例子：智能电子病历质检

医疗实体、属性联合抽取
医学实体抽取的特点：

实体属性(关系抽取？)
现在/过去、肯定/否定…

嵌套(Nested)：35%+
非连续(Dis-continued)
Span-based BackBone

30+实体、属性


动机：增强Span表示→融入boundary supervision信息。

优点：Inference加速：O(N^2)→O(m*N)

医疗嵌套实体

动机：嵌套的NERVS成分解析

公式：使用部分观察到的树进行选区分析

优点：批处理：O(n^3)->O(n*logn)

PTLM – 医学术语归一化
问题：

临床上,关于同一种 诊断,手术,药品,检查,化验,症状等，会有多达几十到上百种不同的写法。

上感 -> 上呼吸道感染 ICD: J06.903
胆囊结石 , 结石性胆囊炎 -> 胆囊结石伴胆囊炎 ICD: K80.002
氟哌酸 -> 诺氟沙星 国药准字H10910059

应用领域：

医保、商保（诊断分组DRGs）： ICD自动编码
数据治理
医学科研统计

PTLM – 合理用药判断

生成 – Text2Logic
合理用药

逻辑知识：

适用于{富马酸比索洛尔片(进口),
病症集合{病症集合{高血压、冠心病（心绞痛）}，
条件{范围{射血分数,minThan{35%}}, 慢性稳定性心力衰竭}}}

医学临床试验结果预测

融入知识的医学预训练语言模型

中文医疗信息处理标准数据集
中文医疗NLP缺乏标准数据集，之前使用的有：

CCKS/CHIP会议Shared Task
竞赛类医疗数据集
论文数据集
中文医疗NLP暂无多任务榜单

GLUE/SuperGLUE
CLUE
BLURB(Microsoft)
CBLUE：国内首个医疗NLP标准数据集评测Benchmark
CBLUE任务介绍：