通过在 Apache Spark 之上重新实现 Bi-LSTM-CNN-Char 深度学习架构，我们提出了一个单可训练的命名实体识别（NER）模型，该模型在七个公共生物医学基准测试中获得了新的最优结果，而不使用像 BERT 这样的重​​型上下文嵌入。该模型在生产级别代码库中作为开源 Spark NLP 库的一部分免费提供，并且可以扩展以支持其他人类语言，而不需要更改代码。

Nov, 2020

本文提出了一种新的医学实体抽取方法 —— 利用预训练的 transformer 模型，将电子健康记录作为单步多标签分类任务进行边缘微调，无需人工干预，达到了人类级别的分类质量。

Jan, 2022

本文介绍了 H-BERT，该模型采用完整的图树扩展表示 EHR 中的医疗编码，提高了病患归属感的预测，并创建了相关但临床不同表型的患者的不同表示。

Nov, 2022

本文介绍了一种从非结构化电子医疗记录中提取结构化信息的方法，该方法通过自然语言处理技术和网络注释工具的组合应用，优化了使用少量训练数据训练的定制命名实体识别模型的性能，并展示了该技术与现有方法相比的优势。研究结果表明，在仅使用 50% 的训练数据的情况下，我们的方法训练的模型的 F1 得分可达到 0.734，而当前流行的方法训练的不带语言模型组件的 spaCy 模型的 F1 得分为 0.704。

Oct, 2019

研究人员利用自动化文本挖掘技术，设计了一种针对医学研究文章关键词自动识别及网络提取的全流程解决方案，可在大规模的 PubMed 和 CORD-19 数据库上快速检索有关 COVID-19 和其他医学研究的相关实体，并生成实体列表及图表。

Apr, 2023

通过自动生成普通语言释义的方式，将医学术语简化为患者友好的语言，以解决电子健康记录中医学术语对患者理解的困扰，并证明开源手机友好型模型在高质量数据的训练和优化下，能够匹敌甚至超越 ChatGPT 等巨型语言模型，在患者教育和患者中心化医疗解决方案方面，填补了知识差距。

Dec, 2023

探讨了一种医学自然语言处理系统，其框架受到人类认知机制的启示，该系统通过一种分层语义组成模型（HSCM）来指导解释过程，其中包括语义记忆、语义组合、语义激活和分层预测编码等认知方面。为了将自由文本句子转换为其意义的逻辑表示，研究设计了一种生成语义模型和一个相关的语义解析器。

Apr, 2022

EHRmonize 利用大型语言模型从电子健康档案中提取医疗概念，具有提高效率、减少标注时间的潜力，但仍需要临床专业医生的监督。该框架可作为一个 Python 包提供，有望加速健康研究和改善数据整合过程。

Jun, 2024

本研究探讨了多种 Named Entity Recognition 方法，并针对脑成像报告中的记录与应用 (i) 基于规则、(ii) 深度学习和 (iii) 迁移学习系统，重点研究帕金森氏病患者病历中的自动标记。研究者确定手工制作的系统是自动标记 EHR 的最准确方法，但是机器学习方法可以在无法轻易获得手动系统资源的情况下提供一种可行的替代方案。

Mar, 2019

介绍了一种开源的医学概念注释工具 (MedCAT)，该工具使用自我监督的机器学习算法从电子医疗记录中提取 UMLS/SNOMED-CT 概念，从而实现了对大量结构化文本的临床分析。该工具包括：自定义和训练 IE 模型的功能丰富的注释界面；以及与 CogStack 生态系统的集成用于厂商无关的卫生系统部署。现实世界的验证表明，该工具在大型伦敦医院的 SNOMED-CT 提取方面的性能表现很好，表明了跨领域的 EHR-agnostic 实用性，可加速临床和研究用例。

Oct, 2020