基于混合评分机制的ICD-10同义词匹配研究

目的为了测量医疗活动,医院需要使用国际疾病分类(ICD-10)手动编码有关疾病诊断信息。实际上,医生对于疾病诊断通常存在缩写,异型,拼写错误或采用院内术语标准等,如何将现有疾病诊断对齐到标准ICD-10术语集具有重要意义。方法该文提出一种基于混合评分机制的ICD-10同义词匹配方法,以加快和促进编码患者信息的繁琐任务的进程。利用命名实体识别、远程监督和实体链接来提高同义词匹配精度,最后给出了融合多种字符串相似度评分的算法。结果实验结果表明,该方法在提高ICD-10相似记录查全率的同时,也能获得较高的同义词匹配准确率;同时在处理速度方面,通过该算法查找一个词语的速度在1 s之内,远远快于人工查找速度。结论在实际应用中,可辅助临床医生书写诊断编码,并大大减少病案编码审核的工作量,提高编码员工作效率。

智能导医系统中TF-IDF权重改进算法研究

面向患者的智能导医系统通过人工智能技术,依据患者症状计算可能疾病,引导患者准确挂号。目前智能导医系统多采用患者输入描述自身症状或者提问的方式,该方式易出现患者输入与医学专业症状词不匹配的问题,导致计算出的疾病可信度较低。针对这一问题,提出重心后移和医学专业语料库相结合的方法,对同义词匹配,映射出与患者症状对应的症状词;根据症状不论重要与否在每一疾病中仅出现一次的特点,提出基于患者关注度的症状词频计算方法;针对传统TF-IDF算法在待分类疾病类中数量分布不均时提取疾病效果差的问题,提出基于疾病类间分布的症状权重改进算法。实验结果表明,改进算法在疾病推荐正确率和可信度两方面具有更好的效果。