杜逸超，徐童，马建辉，陈恩红，郑毅，刘同柱，童贵显

1. 中国科学技术大学计算机科学与技术学院，安徽 合肥 230027；2. 华为技术有限公司，浙江 杭州 310007；3. 中国科学技术大学附属第一医院，安徽 合肥 230027

1 引言

国际疾病分类（international classification of diseases，ICD）编码是在医院等医疗机构使用的统一的编码方法。它根据疾病的病因、病理、临床表现和解剖位置等特性将疾病分门别类，同时也包含手术、诊断和治疗程序的统一代码。ICD代码使用字母数字组合的形式表示具体的疾病或诊断，如E860.0（酒精饮料意外中毒）。ICD代码有多种用途，如报告疾病和健康状况、协助医疗报销决策、收集发病率和死亡率统计数据等。

临床记录包含了患者在医院就诊期间的人口统计学信息、床边的生命体征测量值、实验室测试结果、诊疗程序、药物使用情况、成像报告、死亡率和出院小结等信息。在医疗机构中，编码员通过查看医生的诊断说明和临床记录中的信息手动分配适当的ICD代码，这样的人工编码费时费力且容易出错。人工编码往往会出现以下几个难题：ICD代码的层次结构导致相同层次的疾病往往难以区分；医生在撰写诊断说明时，经常使用缩写词和同义词，极易与ICD编码的描述产生歧义[1]；在很多情况下，密切相关的多个诊断描述应该被映射到某一特定ICD编码上，而没有经验的编码人员可能会分别对每种疾病进行编码。

为了降低人工编码的难度，一些工作开始尝试使用机器自动完成ICD编码任务。早期工作通常使用有监督的机器学习方法进行ICD编码，这种方法的效率相对较低。……