Apr, 2022

EHRKit：面向电子健康档案文本的 Python 自然语言处理工具包

PDF
TL;DR本文介绍了 EHRKit python 库，该库包含两个主要部分，MIMIC-III 特定功能和任务特定功能，通过访问 MIMIC-III NOTEEVENTS 数据并整合多个第三方库，以处理包括实体识别、文本摘要、机器翻译等 12 个 NLP 任务的临床文本。
electronic health recordunstructured textnlpclinical notesehrkit
发现论文，激发创造
  • 电子病历中的非结构化数据神经自然语言处理：综述

    本文综述了当前神经自然语言处理方法在电子病历应用中的广泛运用，包括分类和预测，词嵌入，提取，生成以及其他诸如问答、表型、知识图谱、医学对话、多语言性和可解释性等领域。

    Jul, 2021

  • 电子病历中的自然语言处理与医疗决策：一项系统性综述

    本研究阐述了自然语言处理技术在电子病历上的应用存在的挑战和限制，以及研究人员使用机器学习、深度学习等技术进行处理和信息提取的相关领域和方法。

    Jun, 2023

  • 电子健康档案中的笔记撰写学习

    本文提出了一种预测病历记录中病人的过去数据，包括人口统计学，检验，药物和过去的笔记，预测未来笔记内容的新型语言建模任务，并使用公开的、去个人化的 MIMIC-III 数据集训练生成模型。我们发现大部分笔记的内容都可以被预测，并且学习了许多常见的笔记模板。本文探讨了这样的模型如何在支持辅助笔记编写功能方面是有用的，比如错误检测和自动完成。

    Aug, 2018

  • 电子病历信息利用的 NLP 解决方案，促进医院护理决策效率提升

    研究开发了一种技术解决方案，通过机器学习自动识别临床记录中的属性，使患者历史记录更全面，提高了临床决策的效率。

    Feb, 2022

  • 通过自然语言处理和深度学习在电子健康数据分析中的进展

    医疗环境中存在大量且多样化的数据，然而仅有少部分文本化电子健康数据被处理和解释，这导致了大数据操作的困难，研究致力于分析医疗领域的术语、自然语言处理和深度学习技术，以期提出相关解决方案。

    Jan, 2024

  • 如何利用多模态电子病历数据进行更好的医学预测？

    本文提出了一种从医疗电子健康系统中提取伴随临床记录的方法，并使用这些数据综合研究了不同模型和数据利用方法对于更好的医疗任务预测的影响。结果表明，我们的融合模型优于不包含临床记录的最新方法，这证明了我们的融合方法的重要性和临床注意点特征的价值。

    Oct, 2021

  • EHRmonize: 使用大型语言模型从电子病例中抽取医学概念的框架

    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

  • 使用语言模型预训练的医疗命名实体识别模型

    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

  • 患者与人工智能之间的电子病历交互：NoteAid 电子病历交互

    使用大型语言模型（LLMs）开发的 NoteAid EHR 交互流水线通过生成式 LLMs 的创新方法，帮助患者理解电子健康记录（EHRs），并提供有关 EHR 内容的解释和患者提问后的回答。研究使用 MIMIC 出院摘要和 MADE 医疗笔记收集的数据集，通过 NoteAid EHR 交互流水线执行这两个任务，并通过 LLM 评估和手动评估展示了 LLMs 在患者教育中的潜力。同时，这些结果为未来的探索和应用提供了宝贵的数据支持，并提供了用于内部系统训练的高质量合成数据集。

    Dec, 2023

  • 电子病历文本到 SQL 的实用基准测试

    我们提出了一种新的文本到 SQL 数据集，用于电子健康记录（EHRs）。该数据集提供了一个挑战，需要模型可以生成反映医院需求范围的 SQL 查询，包括简单检索和复杂操作，如计算生存率，同时需要理解时间表达式以回答与时间敏感相关的问题，并根据预测置信度区分问题是否有答案，以发展和评估结构化 EHR 数据上的 QA 模型并迈向文本到 SQL 研究和医疗保健方面部署之间的缩小差距。

    Jan, 2023