憑借cw2vec方法，阿里健康拿下中文電子病歷實體識別全國冠軍

2018-08-18 08:32

全國知識圖譜與語義計算大會（CCKS2018）8月14日至17日在天津舉行，憑借出色的專業(yè)能力，阿里健康團(tuán)隊在中文電子病歷命名實體識別評測任務(wù)中奪冠。

電子病歷結(jié)構(gòu)化是讓計算機(jī)理解病歷、應(yīng)用病歷的基礎(chǔ)。基于對病歷的結(jié)構(gòu)化，可以計算出癥狀、疾病、藥品、檢查檢驗等多個知識點之間的關(guān)系及其概率，構(gòu)建醫(yī)療領(lǐng)域的知識圖譜，進(jìn)一步優(yōu)化醫(yī)生的工作。

例如，基于大醫(yī)院的優(yōu)質(zhì)病歷數(shù)據(jù)訓(xùn)練的輔助診療系統(tǒng)，可以在基層醫(yī)院應(yīng)用以提升醫(yī)生的業(yè)務(wù)能力；根據(jù)癥狀和以往病歷記錄自動分析醫(yī)生開出的藥品是否合理，預(yù)測發(fā)生誤診的概率等等。結(jié)構(gòu)化的電子病歷對于臨床醫(yī)學(xué)科研等工作也具有重大作用，醫(yī)生可以更加智能地搜索相關(guān)病歷，或者查看相似病歷，也可以對病歷進(jìn)行相關(guān)統(tǒng)計分析，有助于醫(yī)生發(fā)現(xiàn)潛在的知識聯(lián)系，產(chǎn)生高水平的臨床研究論文。

此次CCKS2018的電子病歷命名實體識別的評測任務(wù)，是對于給定的一組電子病歷純文本文檔，識別并抽取出其中與醫(yī)學(xué)臨床相關(guān)的實體，并將它們歸類到預(yù)先定義好的類別中。組委會針對這個評測任務(wù)，提供了600份標(biāo)注好的電子病歷文本，共需識別含解剖部位、獨立癥狀、癥狀描述、手術(shù)和藥物五類實體。

目前主流的中文實體識別方法主要沿用自英文和其他語言的通用方法，并沒有把中文的特色發(fā)揮出來。而正如英文中可以根據(jù)單詞的詞根詞綴來猜測其意義和性質(zhì)一樣，漢字的筆畫及偏旁部首中也蘊含著大量信息。阿里健康團(tuán)隊以兩種序列標(biāo)注算法為基礎(chǔ)，首次在醫(yī)療文本領(lǐng)域采用了cw2vec的方法構(gòu)建詞向量矩陣，基于全部的非標(biāo)注文本和標(biāo)注文本集訓(xùn)練詞向量，以解決新字無法識別的問題；同時改進(jìn)了漢字結(jié)構(gòu)和拼音的特征的一般方案。最終，團(tuán)隊以嚴(yán)格指標(biāo)0．8913取得了第一名的好成績。

“醫(yī)療命名實體識別只是我們團(tuán)隊工作的一小部分，也是我們面向醫(yī)院和醫(yī)生提供醫(yī)療人工智能服務(wù)的基礎(chǔ)。”阿里健康人工智能實驗室主任范繹說，阿里健康團(tuán)隊長期專注通過實體識別、實體鏈接、關(guān)系提取等手段從電子病歷中識別信息，并在此基礎(chǔ)上對信息進(jìn)行融合和整合，以知識圖譜的呈現(xiàn)形式，為其他服務(wù)提供數(shù)據(jù)基礎(chǔ)。在此之上，基于電子病歷數(shù)據(jù)，阿里健康打造了大數(shù)據(jù)科研平臺、臨床輔助決策引擎等針對醫(yī)院和醫(yī)生的多款產(chǎn)品，為廣大醫(yī)生和用戶提供更加智能的用戶體驗，幫助其提升專業(yè)水平和工作效率。

CCKS是由中國中文信息學(xué)會語言與知識計算專業(yè)委員會（CIPS）定期舉辦的全國年度學(xué)術(shù)會議，致力于促進(jìn)中國語言與知識計算領(lǐng)域的學(xué)術(shù)研究和產(chǎn)業(yè)發(fā)展，為從事相關(guān)領(lǐng)域理論和應(yīng)用研究的學(xué)者、機(jī)構(gòu)和企業(yè)提供廣泛交流的平臺，已經(jīng)成為國內(nèi)知識圖譜、語義技術(shù)、語言理解和知識計算等領(lǐng)域的核心會議。