基于CRF模型的临床医嘱信息实体识别方法应用研究
2020-03-13宓林晖袁骏毅
计算机应用与软件 2020年3期
宓林晖 袁骏毅
(上海市胸科医院 上海 200030)
0 引 言
医嘱是指患者在诊疗过程中由医生对其发出的医疗命令,包括药品、检验、检查及护理等方面。实时抽取和识别医生医嘱中的关键信息,能够提升护理执行的时效性,并为医疗决策支持提供重要的帮助[1]。完全依靠人工进行医嘱实体识别的训练成本高昂,而且长期的重复工作容易导致工作效率低下。因此,通过机器学习的方式来实现命名实体自动识别成为了国内外众多学者研究的课题。夏宇彬等[2]利用长短期记忆神经网络结构,实现电子病历归档后的实体自动识别。Beissinger等[3]指出由于医疗的专业性,必须增加医疗文本识别的实时校正环节,以此提高临床使用环境下的适用性。
本文以上海市胸科医院为研究背景,提出了一种嵌入于临床业务信息系统的临床医嘱实体识别方法。通过对历史医嘱数据的回顾分析,建立起基于条件随机场模型(Conditional Random Field,CRF)的智能化医嘱识别系统,并形成医嘱专项语料词库。结合该系统的正式投入使用,将护士的日常操作与实体识别反馈有机融合,提高临床医疗的工作效率。实证分析智能化医嘱实体识别方法的影响作用,建立有效性评估体系,为医院全方面开展医嘱数据精细化利用提供相关的参考依据。
1 智能实体识别原理及方法
1.1 总体框架
本文通过临床医生医嘱系统产生的医嘱数据实时进行实体识别。当医生在电子医嘱系统(Computerized Physician Order Entry,CPOE)输入医嘱后,在医嘱专项词库的基础上,系统利用CRF模型实现医嘱实体的自动识别。……
登录APP查看全文
