Almost Clinical: Linguistic properties of synthetic electronic health records
University of Leeds（利兹大学）；University of Exeter（埃克塞特大学）；King’s College London（伦敦国王学院）
本研究探讨合成电子健康记录在心理健康领域中的语言特性与临床适用性，分析了LLMs在构建医疗权威和患者代理方面的语法表现及存在的局限性。
2026-02-03 cs.CL
Automated HIV Screening on Dutch Electronic Health Records with Large Language Models
Erasmus University Medical Center Rotterdam（鹿特丹伊拉斯姆斯大学医学中心）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本研究提出利用大型语言模型分析电子健康记录中的非结构化文本，以自动化筛查HIV检测资格，在荷兰临床数据上实现了高准确率和低假阴性率。
2025-10-25 cs.CL
Considerations for health care institutions training large language models on electronic health records
本文针对医疗机构利用电子健康记录训练大型语言模型时面临的自建与微调选择及预算限制问题，通过分析数据集规模、模型规模和成本，提出了一个基于数据规模、计算规模和训练预算的决策框架。
2023-08-24 cs.AI cs.CL cs.CY
Rephrasing Electronic Health Records for Pretraining Clinical Language Models
Australian e-Health Research Centre, CSIRO（澳大利亚电子健康研究中心，联邦科学与工业研究组织）
针对临床语言模型预训练因患者隐私难以获取大规模EHR文本的问题，本研究借鉴网络数据重述方法，用四种小型LLMs重述临床笔记生成合成语料，在语言建模和下游任务中表现优于现有合成方法，且小token预算下增强原始笔记可提升性能。
2024-11-28 cs.CL
Automatic Cardiac Risk Management Classification using large-context Electronic Patients Health Records
本文提出了一种基于大上下文电子健康记录的自动心脏风险管理分类方法，通过定制Transformer架构在纵向临床文本中实现高精度的风险分层。
2026-03-10 cs.AI cs.CL cs.IR
Mining Unstructured Medical Texts With Conformal Active Learning
本文提出一种基于保形主动学习的框架，用于从电子健康记录的非结构化文本中高效挖掘数据，仅需约200条人工标注即可取得强劲性能，并能以轻量级模型实现隐私友好、可扩展的实时流行病学监测。
2025-02-05 cs.CL cs.LG stat.ML
Neural Natural Language Processing for Unstructured Data in Electronic Health Records: a Review
Yale University（耶鲁大学）
电子健康记录（EHR）是患者医疗保健事件和观察结果的数字集合，在医学中无处不在，对医疗保健提供，运营和研究至关重要。尽管EHR扮演着核心角色，但它很难自动处理。电子健康档案中存储的信息有一半以上是以非结构化文本的形式（如供应商说明、运营报告），并且大部分未被开发用于二次使用。然而，最近，用于自然语言处理（NLP）的新的神经网络和深度学习方法取得了相当大的进步，在各种任务上优于传统的基于统计和规则的系统。在这篇综述论文中，我们总结了当前EHR应用的神经NLP方法。我们专注于广泛的任务，即分类和预测，词嵌入，提取，生成，以及其他主题，如问答，表型，知识图谱，医学对话，多语言，可解释性等。
2021-07-07 cs.AI cs.CL
Exploring Optimal Granularity for Extractive Summarization of Unstructured Health Records: Analysis of the Largest Multi-Institutional Archive of Health Records in Japan
Tokyo Metropolitan University（东京都立大学）；RIKEN（理化学研究所）；National Hospital Organization（国立医院机构）；Kitami Institute of Technology（北见工业大学）
临床文本的自动摘要可以减轻医疗专业人员的负担。“出院小结”是小结的一个很有前途的应用，因为它们可以从每日住院记录中生成。我们的初步实验表明，出院小结中有20-31%的描述与住院病历的内容重叠。然而，如何从非结构化来源生成摘要仍不清楚。为了分解医生的摘要过程，本研究旨在确定摘要的最佳粒度。我们首先定义了三种不同粒度的摘要单元来比较出院摘要生成的性能：整句、临床片段和子句。我们在这项研究中定义了临床部分，旨在表达最小的医学意义的概念。为了获得临床片段，有必要在管道的第一阶段自动分割文本。因此，我们比较了基于规则的方法和机器学习方法，后者在拆分任务中的F1得分为0.846，优于前者。接下来，我们实验测量的准确性提取摘要使用三种类型的单位，基于ROUGE-1度量，在日本的多机构的国家档案的健康记录。使用整句、临床片段和子句的提取摘要的测量准确率分别为31.91、36.15和25.18。我们发现，临床部分产生了更高的准确性比句子和子句。这一结果表明，总结住院记录需要更细的粒度比面向病历的处理。虽然我们只使用了日本的健康记录，但可以解释如下：医生从患者记录中提取“具有医学意义的概念”，并将它们重新组合。
2022-12-20 cs.CL
GatorTron: A Large Clinical Language Model to Unlock Patient Information from Unstructured Electronic Health Records
University of Florida（佛罗里达大学）；NVIDIA（英伟达）
人们对开发人工智能（AI）系统来处理和解释电子健康记录（EHR）的兴趣越来越大。由预训练的语言模型驱动的自然语言处理（NLP）是利用临床叙述的医疗AI系统的关键技术。然而，临床语言模型很少，在临床领域中训练的最大的语言模型相对较小，只有1.1亿个参数（与一般领域中的数十亿个参数相比）。目前尚不清楚具有数十亿参数的大型临床语言模型如何帮助医疗AI系统利用非结构化EHR。在这项研究中，我们从头开始开发了一个大型临床语言模型- GatorTron -使用超过900亿字的文本（包括超过820亿字的去识别临床文本），并在5个临床NLP任务上对其进行了系统评估，包括临床概念提取，医学关系抽取，语义文本相似性，自然语言推理（NLI）和医学问答（MQA）。我们研究了（1）扩大参数的数量和（2）扩大训练数据的大小如何使这些NLP任务受益。GatorTron模型将临床语言模型的参数从1.1亿扩展到89亿，并改进了5项临床NLP任务（例如，NLI和MQA的准确性提高了9.6%和9.5%），可应用于医疗AI系统，以改善医疗保健服务。GatorTron模型可在https://catalog.ngc.nvidia.com/orgs/nvidia/teams/clara/models/gatortron_og上公开获取。
2022-12-16 cs.AI cs.CL cs.LG
Identifying Mentions of Pain in Mental Health Records Text: A Natural Language Processing Approach
Institute of Psychiatry, Psychology and Neurosciences, King’s College London（伦敦国王学院精神病学、心理学与神经科学研究所）；Health Data Research UK（英国健康数据研究中心）；South London and Maudsley Biomedical Research Centre（南伦敦和莫兹利生物医学研究中心）；The South London and Maudsley NHS Foundation Trust（南伦敦和莫兹利国民保健信托基金会）
本研究利用匿名心理健康电子健康记录数据，训练机器学习分类算法识别文本中的疼痛提及，最佳模型F1分数达0.98，有助于从大型数据库中提取疼痛信息以支持相关研究。
2023-04-05 cs.CL cs.LG
Mining Adverse Drug Reactions from Unstructured Mediums at Scale
John Snow Labs Inc.（约翰斯诺实验室公司）
药物不良反应/事件（ADR/ADE）对患者健康和医疗保健费用有重大影响。尽早发现ADR并与监管机构、制药公司和医疗保健提供者分享，可以预防发病并挽救许多生命。虽然大多数ADR不是通过正式渠道报告的，但它们通常记录在各种非结构化对话中，例如患者的社交媒体帖子，客户支持电话记录，或医疗保健提供者和制药销售代表之间的CRM会议记录。在本文中，我们提出了一种自然语言处理（NLP）解决方案，可以在这种非结构化自由文本对话中检测ADR，它在三个方面改进了以前的工作。首先，新的命名实体识别（NER）模型在ADE、CADEC和SMM 4 H基准数据集上获得了最新的ADR和药物实体提取准确率（分别为91.75%、78.76%和83.41%F1分数）。其次，引入了两个新的关系抽取（RE）模型-一个基于BioBERT，而另一个利用全连接神经网络（FCNN）上的精心制作的功能-显示与现有的最先进的模型相当，并且在使用补充的临床医生注释的RE数据集进行训练时表现优于它们。第三，一个新的文本分类模型，用于确定对话是否包括ADR，在CADEC数据集上获得了新的最先进的准确性（86.69%F1分数）。完整的解决方案在Apache Spark之上构建的生产级库中作为统一的NLP管道实现，使其具有原生可扩展性，能够在商品集群上处理数百万条批处理或流记录。
2022-01-06 cs.AI cs.CL cs.LG
EHRCon: Dataset for Checking Consistency between Unstructured Notes and Structured Tables in Electronic Health Records
KAIST（韩国科学技术院）；Samsung Medical Center（三星医疗中心）；MIT（麻省理工学院）；University of Toronto（多伦多大学）
本文提出EHRCon数据集及CheckEHR框架，通过八阶段流程和大型语言模型自动检查电子健康记录中临床笔记与结构化表格之间的一致性，以降低数据不一致带来的患者安全风险。
2024-12-30 cs.CL
Ontology-driven weak supervision for clinical entity classification in electronic health records
Stanford University（斯坦福大学）
在电子健康记录中，使用临床记录来识别诸如疾病及其时间性（例如，事件相对于时间索引的顺序）之类的实体可以为许多重要的分析提供信息。然而，为临床实体任务创建训练数据是耗时的，并且由于隐私问题，共享标记数据是具有挑战性的。COVID-19大流行的信息需求凸显了对训练临床笔记机器学习模型的敏捷方法的需求。我们提出了Trove，一个弱监督实体分类框架，使用医学本体和专家生成的规则。与手工标记的笔记不同，我们的方法易于共享和修改，同时提供与从手动标记的训练数据中学习相当的性能。在这项工作中，我们在六个基准任务上验证了我们的框架，并展示了Trove分析因COVID-19出现症状和风险因素而前往斯坦福医疗中心急诊科的患者记录的能力。
2021-04-06 cs.CL cs.LG
Comparative Analysis of Text Classification Approaches in Electronic Health Records
King’s College London（伦敦国王学院）
文本分类任务旨在从电子健康记录中收集和/或组织信息，是支持临床和转化研究的关键。然而，与其他分类任务相比，这些任务提出了具体的挑战，特别是由于临床记录中使用的医学词汇和语言的特殊性质。嵌入方法的最新进展已经显示出对几个临床任务的有希望的结果，但是没有将这些方法与其他常用的词表示和分类模型进行详尽的比较。在这项工作中，我们分析了不同的词表示，文本预处理和分类算法对四个不同的文本分类任务的性能的影响。结果表明，传统的方法，当定制的特定语言和结构的文本固有的分类任务，可以达到或超过最近的基于上下文嵌入，如BERT的性能。
2020-05-08 cs.CL cs.LG
Hybrid Text Feature Modeling for Disease Group Prediction using Unstructured Physician Notes
National Institute of Technology Karnataka Surathkal（卡纳塔克苏拉特卡尔国家理工学院）
现有的临床决策支持系统（CDSS）在很大程度上依赖于结构化患者数据和电子健康记录（EHR）的可用性来帮助护理人员。然而，在发展中国家的医院中，结构化患者数据格式没有被广泛采用，医疗专业人员仍然依赖于非结构化文本形式的临床记录。由医务人员记录的这种非结构化的临床记录也可以是丰富的患者特定信息的潜在来源，这些信息可以用于构建CDSS，甚至用于发展中国家的医院。如果可以使用这种非结构化的临床文本，将不再需要手动和耗时的EHR生成过程，从而节省大量工时和成本。在本文中，我们提出了一个通用的ICD 9疾病组预测CDSS建立在非结构化的医生笔记使用混合词嵌入建模。这些词嵌入用于训练深度神经网络，以有效地预测ICD 9疾病组。实验评估表明，所提出的方法优于国家的最先进的疾病组预测模型建立在结构化的EHR的15%的AUROC和40%的AUPRC方面，从而证明了我们的假设，并消除依赖结构化的患者数据的可用性。
2019-11-26 cs.CL cs.CY cs.LG
Bidirectional Recurrent Neural Networks for Medical Event Detection in Electronic Health Records
University of Massachusetts（马萨诸塞大学）；Bedford VAMC and CHOIR（贝德福德退伍军人医疗中心与CHOIR）
从电子健康记录（EHR）中的非结构化文本中提取医疗事件及其属性的序列标记是实现EHR语义理解的关键步骤。它在健康信息学中有重要的应用，包括药物警戒和药物监测。该领域中的现有技术监督机器学习模型基于条件随机场（CRF），其特征从固定的上下文窗口计算。在这个应用中，我们探索了各种递归神经网络框架，并表明它们的性能明显优于CRF模型。
2016-07-12 cs.CL cs.LG cs.NE
RelCAT: Advancing Extraction of Clinical Inter-Entity Relationships from Unstructured Electronic Health Records
King’s College London（伦敦国王学院）；National Health Service (NHS)（国家医疗服务体系）；Department of Biostatistics & Health Informatics（生物统计学与健康信息学系）
本研究提出 RelCAT 工具包，基于 CogStack MedCAT 框架，利用 BERT 和 Llama 等模型对临床文本中的实体关系进行分类，在 n2c2 和 NHS 数据集上取得高 F1 分数，推动了临床关系提取。
2025-01-27 cs.CL
Language Models Are An Effective Patient Representation Learning Technique For Electronic Health Record Data
电子健康记录（EHR）的广泛采用推动了使用机器学习为各种临床结果构建预测模型的发展。这个过程通常受到用于训练模型的患者记录数量相对较少的限制。我们证明，使用患者表示方案的灵感来自自然语言处理技术可以提高临床预测模型的准确性，通过转移从整个患者群体的信息，以训练一个特定的模型，其中只有一个子集的人口是相关的。与标准基线相比，这种患者表示方案使五个预测任务的AUROC平均改善3.5%，当只有少量患者记录可用于训练临床预测模型时，平均改善上升到19%。
2020-05-12 cs.CL cs.LG stat.ML
Predicting Unplanned Readmissions with Highly Unstructured Data
Google（谷歌）；Universidad de Chile（智利大学）；Millennium Institute for Foundational Research on Data（千禧年基础数据研究所）；Clinica Las Condes（拉斯孔德斯诊所）
深度学习技术已成功应用于预测医疗中心患者的计划外再入院。这些模型的训练数据通常是基于历史的医疗记录，其中包含了大量的自由文本从入院报告，转诊，考试笔记等，到目前为止，大多数提出的模型是针对英语文本数据，并假设电子病历遵循发达国家的共同标准。这两个特点使其难以应用于发展中国家，这些国家不一定遵循登记患者信息的国际标准，或者以英语以外的语言存储文本信息。在本文中，我们提出了一种用于预测计划外再入院的深度学习架构，该架构消耗的数据与文献中以前的模型相比结构化程度低得多。我们使用它来呈现主要包含西班牙语文本数据的大型临床数据集中的第一个结果。该数据集由智利医疗中心近10年的记录组成。在这个数据集上，我们的模型实现的结果与美国医疗中心针对相同任务（0.76 AUROC）获得的一些最新结果相当。
2020-04-05 cs.CL cs.LG stat.ML
Collaborative Synthesis of Patient Records through Multi-Visit Health State Inference
Renmin University of China（中国人民大学）
提出MSIC模型，通过概率图建模潜在健康状态并利用多就诊历史记录，协同生成高质量合成电子健康记录及医疗报告，在MIMIC-III/IV上取得最优效果且隐私风险低。
2023-12-22 cs.AI cs.CL cs.LG
SimSUM: Simulated Benchmark with Structured and Unstructured Medical Records
SimSUM通过模拟呼吸系统疾病患者记录，提供结构化与非结构化医疗数据的基准，用于研究临床信息提取及多模态数据生成。
2025-12-09 cs.AI cs.CL
MiME: Multilevel Medical Embedding of Electronic Health Records for Predictive Healthcare
Georgia Institute of Technology（佐治亚理工学院）；Google Brain（谷歌大脑）；IBM Research（IBM研究院）；Sutter Health（萨特医疗）；HINT Consultants（HINT咨询公司）
深度学习模型对于使用电子健康记录（EHR）数据的许多预测性医疗保健任务表现出最先进的性能，但这些模型通常需要超过大多数医疗保健系统容量的训练数据量。外部资源，如医学本体被用来桥接数据量的限制，但这种方法往往是不直接适用或有用的，因为与术语不一致。为了解决数据不足的挑战，我们利用EHR数据的固有多级结构，特别是医疗代码之间的编码关系。我们提出了多级医疗嵌入（MiME），它学习EHR数据的多级嵌入，同时联合执行依赖于这种固有EHR结构的辅助预测任务，而不需要外部标签。我们进行了两个预测任务，心力衰竭预测和连续疾病预测，其中MiME在不同的评估环境中优于基线方法。特别是，MiME在不同体积的数据集上预测心力衰竭时始终优于所有基线，特别是在最小数据集上表现出最大的性能改善（PR-AUC相对于最佳基线增加15%），证明了其有效建模EHR数据多级结构的能力。
2018-10-22 cs.CL cs.LG stat.ML
Unsupervised Pseudo-Labeling for Extractive Summarization on Electronic Health Records
Petuum Inc.（Petuum公司）
摘要对于医生更好地管理和消化电子健康记录（EHR）非常有用。然而，监督模型的训练需要特定疾病的医学背景，因此非常昂贵。我们研究了如何利用多个EHR之间的内在相关性来生成伪标签，并训练一个没有外部注释的监督模型。在真实患者数据上的实验验证了我们的模型在总结患者的关键疾病特定信息方面是有效的。
2018-11-26 cs.CL
Natural Language Generation for Electronic Health Records
Centers for Disease Control and Prevention（美国疾病控制与预防中心）
现有的各种方法用于生成合成电子健康记录（EHR），但它们不能生成非结构化文本，如急诊科（ED）主任投诉，当前疾病或进展记录的历史。在这里，我们使用编码器-解码器模型，这是一种在许多当代机器翻译系统中具有特色的深度学习算法，从EHR中的离散变量（如年龄组，性别和出院诊断）生成合成主诉。在真实记录上进行端到端训练后，该模型可以生成真实的主诉文本，保留原始数据中的大部分流行病学信息。作为模型优化目标的副作用，这些合成的主诉也没有相对不常见的缩写和拼写错误，并且它们不包括训练数据中的个人身份信息（PII），这表明它可以用于支持EHR中文本的去识别。当与生成对抗网络（GANs）等算法相结合时，我们的模型可用于生成完全合成的EHR，促进医疗保健提供者和研究人员之间的数据共享，并提高我们开发针对医疗保健数据中信息的机器学习方法的能力。
2018-06-01 cs.CL cs.LG stat.ML
PIA: A Personal Intelligence Agent Turning Health Conversations into Records and Records into Understanding
KAIST（韩国科学技术院）；NAVER Corp.（NAVER公司）
针对通用记忆机制无法处理健康数据时间与因果语义的问题，提出PIA个人智能体，通过四模块记忆框架将对话转为临床记录并生成多维度用户理解，实验验证了其有效性并总结运行经验。
2026-09-28 cs.CL
Associations Between Natural Language Processing (NLP) Enriched Social Determinants of Health and Suicide Death among US Veterans
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；McGill University（麦吉尔大学）；University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；University of Connecticut（康涅狄格大学）；Uconn Health（康涅狄格大学健康中心）；University of Massachusetts Chan Medical School（马萨诸塞大学陈医学院）；Veterans Affairs Bedford Healthcare System（退伍军人事务部贝德福德医疗系统）；United States Department of Veterans Affairs（美国退伍军人事务部）；University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心）
重要性：已知健康的社会决定因素（SDOH）与自杀行为的风险增加有关，但很少有研究利用非结构化电子健康记录（EHR）笔记中的SDOH。目的：调查自杀和最近的SDOH之间的关联，使用结构化和非结构化的数据。设计：巢式病例对照研究。设置：来自美国退伍军人健康管理局（VHA）的EHR数据。参与者：2010年10月1日至2015年9月30日期间在美国VHA接受护理的6，122，785名退伍军人。暴露：在最长两年的时间内发生SDOH与未发生SDOH相比。主要结果和测量：自杀死亡病例与4个对照组在出生年份、入组日期、性别和随访时间上相匹配。我们开发了一个NLP系统，从非结构化笔记中提取SDOH。结构化数据、非结构化数据上的NLP以及将它们结合起来分别产生了6、8和9个SDOH。使用条件logistic回归估计校正的比值比（aOR）和95%置信区间（CI）。结果：在我们的队列中，在23，725，382人年的随访期间，有8，821名退伍军人自杀（发生率为37.18/100，000人年）。我们的队列主要是男性（92.23%）和白人（76.99%）。在五个常见的SDOH作为协变量，NLP提取的SDOH，平均覆盖80.03%的所有SDOH发生。通过结构化数据和NLP测量，所有SDOH均与自杀风险增加显著相关。影响最大的SDOH是法律问题（aOR=2.66，95%CI = 0.46 -2.89），其次是暴力…
2022-12-28 cs.CL
EHRKit: A Python Natural Language Processing Toolkit for Electronic Health Record Texts
Yale University（耶鲁大学）
本文提出用于电子健康记录文本的Python自然语言处理工具包EHRKit，包含MIMIC-III专用函数和任务专用函数两部分，集成多达12种NLP任务，为处理非结构化临床笔记提供了便捷工具。
2023-06-28 cs.CL
Learning to Write Notes in Electronic Health Records
Google Brain（谷歌大脑）
临床医生花费大量时间将自由形式的文本注释输入到电子健康记录（EHR）系统中。大部分的文档工作被视为一种负担，减少了与患者相处的时间，并导致临床医生精疲力竭。随着人工智能辅助笔记写作的愿望，我们提出了一种新的语言建模任务，根据患者病历中的过去数据预测笔记的内容，包括患者人口统计数据，实验室，药物和过去的笔记。我们使用公共的、去识别的MIMIC-III数据集训练生成模型，并将生成的注释与数据集中的注释在多个度量上进行比较。我们发现，大部分内容都是可以预测的，笔记中的许多常见模板都是可以学习的。我们讨论了如何这样的模型可以是有用的辅助笔记写作功能，如错误检测和自动完成。
2018-08-08 cs.CL
Towards unstructured mortality prediction with free-text clinical notes
Mila（米拉研究所）；Université de Montréal（蒙特利尔大学）；University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）
医疗保健数据继续蓬勃发展，但相对较小的一部分，主要是结构化的，正在有效地用于预测临床结果。非结构化临床笔记中丰富的主观信息可能有助于提高区分度，但在死亡率预测中往往未得到充分利用。这项工作试图评估的增益性能时，已被最低限度地预处理的多个音符被用作预测的输入。由卷积层和循环层组成的分层架构用于同时对在单个住院期间编译的不同笔记进行建模。该方法在MIMIC-III数据集上预测住院死亡率。与利用结构化数据的方法相比，尽管需要更少的清理和预处理，但它实现了更高的指标。这证明了非结构化数据在增强死亡率预测方面的潜力，并表明需要将更多的原始非结构化数据纳入当前的临床预测方法。
2019-11-19 cs.AI cs.CL cs.LG
Prediction Using Note Text: Synthetic Feature Creation with word2vec
Providence Health & Services（普罗维登斯健康与服务）
word2vec提供了一种从非结构化文本数据中提取定量变量的简单而强大的方法。超过一半的医疗数据是非结构化的，因此如果没有数据工程和自然语言处理方面的专业知识，就很难建模。word2vec可以作为一个桥梁，从这些数据源中快速收集情报。在这项研究中，我们通过word2vec运行了来自Providence Health & Services电子病历的650兆字节的非结构化医疗图表笔记。我们使用了两种不同的方法来创建预测变量，并对COPD（慢性阻塞性肺疾病）患者的再入院风险进行了测试。作为比较基准，我们使用LACE风险模型（基于住院时间、敏锐度、共病状况和急诊科就诊的单一评分）进行了相同的测试。仅使用自由文本和数学可能性，我们发现word2vec在预测COPD患者再入院风险方面与LACE相当。
2015-03-17 cs.CL
Analysis of Risk Factor Domains in Psychosis Patient Health Records
McLean Hospital（麦克莱恩医院）；Harvard Medical School（哈佛医学院）；Brandeis University（布兰迪斯大学）
出院后再次入院是破坏性的，而且费用高昂，无论原因如何。然而，对于精神病患者来说，这可能特别成问题，因此预测哪些患者可能会再次入院至关重要，但也非常困难。精神科电子健康记录（EHR）中的临床叙述涵盖了广泛的主题和词汇;因此，精神科再入院预测模型必须从一个强大的和可解释的主题提取组件开始。我们创建了一个数据管道，使用文档向量相似性度量对精神科EHR数据进行主题提取，以实现我们创建再入院风险分类器的长期目标。我们展示了我们的主题提取模型的初步结果，并确定了我们将在未来纳入的其他功能。
2018-09-15 cs.CL
Retrieval augmented text-to-SQL generation for epidemiological question answering using electronic health records
Bayer AG（拜耳公司）
本文提出结合医学编码与 RAG 的端到端 text-to-SQL 方法，用于基于 EHR 和理赔数据回答流行病学问题，并在真实行业场景中验证其优于简单提示。
2024-05-16 cs.CL
Benchmarking Modern Named Entity Recognition Techniques for Free-text Health Record De-identification
Brown University（布朗大学）
电子健康记录（EHR）已成为美国医疗数据保存的主要形式。联邦法律限制共享任何包含受保护健康信息（PHI）的EHR数据。去识别，即识别和删除所有PHI的过程，对于使EHR数据公开用于科学研究至关重要。该项目探讨了几种基于深度学习的命名实体识别（NER）方法，以确定哪种方法在去识别任务上表现更好。我们在i2 b2训练数据集上训练和测试了我们的模型，并使用从当地医院收集的EHR数据对其性能进行了定性评估。我们发现1）BiLSTM-CRF代表了性能最好的编码器/解码器组合，2）字符嵌入和CRF倾向于以召回为代价提高精度，3）单独的Transformers作为上下文编码器表现不佳。未来的工作集中在结构化的医疗文本可能会提高提取的语义和句法信息的EHR去识别的目的。
2021-03-25 cs.CL
Unsupervised Annotation of Phenotypic Abnormalities via Semantic Latent Representations on Electronic Health Records
Data Science Institute, Imperial College London（帝国理工学院数据科学研究所）
提取自然包含在电子健康记录（EHR）中的表型信息已被发现在各种临床信息学应用（如疾病诊断）中是有用的。然而，由于描述不精确，缺乏黄金标准和对效率的需求，在数百万EHR叙述中注释表型异常仍然具有挑战性。在这项工作中，我们提出了一种新的无监督深度学习框架，通过语义潜在表示来注释EHR的表型异常。该框架利用人类表型本体（HPO），这是一个表型异常的知识库，标准化的注释结果。在MIMIC-III数据集的52，722个EHR上进行了实验。定量和定性分析表明，该框架实现了最先进的注释性能和计算效率相比，其他方法。
2019-11-10 cs.CL
Natural Language Processing to Detect Cognitive Concerns in Electronic Health Records Using Deep Learning
Massachusetts General Hospital（麻省总医院）
痴呆症在社区中认识不足，医疗保健专业人员诊断不足，索赔数据编码不足。然而，关于认知功能障碍的信息通常在医疗记录内的非结构化临床医生笔记中找到，但是专家的手动审查是耗时的并且经常容易出错。这些笔记的自动挖掘提供了一个潜在的机会，可以标记有认知问题的患者，这些患者可以从评估中受益或被转诊到专家护理。为了识别电子病历中存在认知问题的患者，我们应用了自然语言处理（NLP）算法，并将模型性能与仅使用结构化诊断代码和药物数据的基线模型进行了比较。基于注意力的深度学习模型优于基线模型和其他更简单的模型。
2020-11-12 cs.CL
TriageSim: A Conversational Emergency Triage Simulation Framework from Structured Electronic Health Records
University of New South Wales, Sydney, Australia（新南威尔士大学，悉尼，澳大利亚）
本文提出TriageSim框架，通过结构化电子健康记录生成模拟分诊对话，包含800条合成对话及音频，结合自动分析和人工评估验证其有效性，用于分诊分类任务。
2026-08-17 cs.CL
A Biomedical Entity Extraction Pipeline for Oncology Health Records in Portuguese
INESC TEC（葡萄牙系统与计算机工程研究所）；FCUP（波尔图大学理学院）
本文针对资源受限的欧洲葡萄牙语，提出一种结合神经架构与实体链接的生物医学实体抽取流水线，在肿瘤记录中抽取手术操作、药物和疾病，F1分别达88.6%、95.0%和55.8%。
2023-04-18 cs.AI cs.CL
How essential are unstructured clinical narratives and information fusion to clinical trial recruitment?
The Ohio State University（俄亥俄州立大学）
电子健康记录使用结构化的受控词汇表和非结构化的叙述性文本来捕获患者信息。虽然结构化数据通常编码实验室值，遇到和药物列表，但非结构化数据捕获医生对患者状况，预后和对治疗干预的反应的解释。在本文中，我们证明了从非结构化临床叙述中提取信息抽取对于大多数临床应用是必不可少的。我们进行了一项实证研究，以验证论点，并表明，结构化数据本身是不够的，在解决招募慢性淋巴细胞白血病（CLL）和前列腺癌的临床试验患者的资格标准。非结构化数据对于解决59%的CLL试验标准和77%的前列腺癌试验标准至关重要。更具体地说，为解决资格标准与时间的限制，我们需要时间推理和信息集成与医疗事件内和跨非结构化临床叙述和结构化数据。
2015-02-13 cs.AI cs.CL cs.CY
End-to-end Clinical Event Extraction from Chinese Electronic Health Record
Nanjing Medical University（南京医科大学）；the First Affiliated Hospital（第一附属医院）
事件抽取是医学文本处理的一项重要工作。针对医学文本标注复杂的特点，采用端到端的事件抽取模型增强事件的输出格式信息。通过预训练和微调，我们可以提取医学文本的四个维度的属性：解剖位置，主题词，描述词和发生状态。在测试集上，准确率为0.4511，召回率为0.3928，F1值为0.42。该模型方法简单，在第七届中国卫生信息处理大会（chip2021）中文电子病历临床发现事件挖掘任务（task2）中获得第二名。
2022-08-19 cs.AI cs.CL
Validating transformers for redaction of text from electronic health records in real-world healthcare
King’s College London（伦敦国王学院）；King’s College Hospital（国王学院医院）；Guy’s and St Thomas’ NHS Foundation Trust（盖伊和圣托马斯国民保健服务基金会信托）；University College London（伦敦大学学院）
针对医疗记录脱敏精度低、适配性差的问题，本研究提出基于Transformer的AnonCAT模型，在英国3家医院3116份记录上取得高召回率，为真实医疗场景去标识化算法的部署与优化提供了可行蓝图。
2023-10-05 cs.AI cs.CL
PromptEHR: Conditional Electronic Healthcare Records Generation with Prompt Learning
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
由于隐私问题，纵向多模式电子医疗记录（EHR）具有挑战性，这阻碍了ML在医疗保健应用中的使用。合成EHR生成绕过了共享敏感的真实患者记录的需要。然而，现有的方法都是通过无条件生成或纵向推理来生成单模态EHR，灵活性不高，使得EHR不现实。在这项工作中，我们建议制定EHR生成作为一个文本到文本的翻译任务的语言模型（LM），这足以高度灵活的事件插补在生成过程中。我们还设计了快速学习，以控制由数字和分类人口统计特征条件的一代。我们评估合成EHR质量的两个困惑的措施占其纵向模式（纵向插补困惑，lpl）和连接跨模态（跨模态插补困惑，mpl）。此外，我们利用两个对手：成员和属性推理攻击的隐私保护评估。在MIMIC-III数据上的实验表明，该方法在真实EHR生成上具有优越性（与最佳基线相比，lpl平均降低了53.1%，mpl平均降低了45.3%），同时具有较低的隐私风险。软件可在https://github.com/RyanWangZf/PromptEHR上获得。
2022-10-11 cs.AI cs.CL
HYPE: A High Performing NLP System for Automatically Detecting Hypoglycemia Events from Electronic Health Record Notes
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
低血糖症在糖尿病治疗者中很常见，而且有潜在的危险。电子健康记录（EHR）是低血糖监测的重要资源。在这项研究中，我们报告了基于深度学习的自然语言处理系统的开发和评估，以从电子病历叙述中自动检测低血糖事件。公共卫生专家注释了500名糖尿病患者的EHR笔记。我们使用这个注释数据集来训练和评估HYPE，用于低血糖检测的监督NLP系统。在我们的实验中，卷积神经网络模型在10倍交叉验证设置中产生了有前途的性能$Precision=0.96 \pm 0.03, Recall=0.86 \pm 0.03, F1=0.91 \pm 0.03$。尽管注释的数据是高度不平衡的，我们的基于CNN的HYPE系统仍然实现了高性能的低血糖检测。HYPE可用于基于EHR的低血糖监测，并帮助临床医生及时治疗高危患者。
2018-11-29 cs.AI cs.CL
Validation of a Zero-Shot Learning Natural Language Processing Tool for Data Abstraction from Unstructured Healthcare Data
Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院）；University Hospital of Zurich（苏黎世大学医院）
本研究开发并验证了一种基于GPT-3.5的零样本学习NLP工具，用于从非结构化PDF医疗文档中提取数据，证明其在准确率上非劣效于人工提取员，且大幅缩短处理时间，具有高度通用性。
2023-07-23 cs.AI cs.CL
Distantly supervised end-to-end medical entity extraction from electronic health records with human-level quality
Sber Artificial Intelligence Laboratory（Sber人工智能实验室）
医学实体抽取是医学文本处理的第一步。通常，医学EE是一个两步过程：命名实体识别（NER）和命名实体规范化（NEN）。我们提出了一种从电子健康记录（EHR）中进行医疗EE的新方法，作为一个单步多标签分类任务，通过微调在大型EHR数据集上预训练的Transformer模型。我们的模型使用从医学知识库中自动提取的目标，以远程监督的方式进行端到端的训练。我们表明，我们的模型可以学习对足够频繁出现的实体进行泛化，从而为最频繁的实体实现人类级别的分类质量。我们的工作表明，医疗实体提取可以在没有人类监督的情况下进行端到端的提取，并且在提供足够大量的未标记EHR和医疗知识库的情况下具有人类质量。
2022-01-25 cs.AI cs.CL
Named Entity Recognition for Electronic Health Records: A Comparison of Rule-based and Machine Learning Approaches
University of Edinburgh（爱丁堡大学）
本文研究了电子健康记录（EHR）数据中文本的命名实体识别（NER）的多种方法。特别是，我们研究了（i）基于规则，（ii）深度学习和（iii）迁移学习系统在脑成像报告中的NER任务中的应用，重点是中风患者的记录。我们探讨每种方法的优点和缺点，制定规则和训练的一个共同的数据集，并评估每个系统的性能，从两个来源（脑成像报告在ESS -爱丁堡中风研究NHS洛锡安收集的数据，以及在NHS泰赛德创建的放射学报告）的苏格兰放射学报告的共同测试集。我们的比较表明，手工制作的系统是自动标记EHR的最准确的方法，但机器学习方法可以提供一个可行的替代方案，手动系统的资源是不容易获得的。
2019-06-05 cs.AI cs.CL
