基于电子病历文本的诊疗事件实体抽取研究

目的:在电子病历文本中提取诊疗事件用于判断合理诊疗行为。方法:提出了一种在电子病历文本中抽取诊疗事件实体的方法,将抽取过程分为提取时间表示和提取临床实体两个步骤,首先采用正则表达式完成事件的时间表达提取和规范化,然后使用基于BERT-BiLSTM-CRF的深度学习模型提取临床医疗实体。结果:使用中国知识图谱与语义计算会议2019评测任务数据集的1379份电子病历文本进行模型验证,基于正则表达式的时间表达提取方法具有92.76%的综合识别率;基于BERT-BiLSTM-CRF模型的诊疗事件实体识别准确率为83.66%,召回率为87.66%,F1值为85.61%。结论:实验表明本研究的方法具有良好的实体抽取准确率和召回率,可以为基于电子病历文本的合理诊疗行为判断提供帮助。