Нейросети для анализа медицинских текстов: диагнозы и контекст
Краткое изложение авторской публикации врача в сообществе «Врачи РФ» от .
Автор материала рассказывает о нейросетевой системе Philips для анализа медицинских текстов. Алгоритм извлекает названия заболеваний и симптомов и определяет, упомянуты ли они как подтверждённые, отрицаемые или предполагаемые. Это позволяет отличать установленный диагноз от ситуации, когда заболевание только проверяют.
Для обучения исследователи объединили экспертную систему с нейросетью: сначала правила применили к неразмеченным данным, затем модель дообучили на примерах, подготовленных медицинскими экспертами. Исследования начались с англоязычного набора MIMIC-CXR, а русскую версию обучали на медицинских текстах, предоставленных больницами с согласия пациентов и после анонимизации. Автор отмечает, что инструмент можно применять для статистического анализа электронных медицинских карт и извлечения сведений из исследований. Перенос на другие виды записей требует дополнения данных, а точность модели не составляет 100%.
Главное
- Автор описывает модель Philips, которая извлекает медицинские сущности и различает подтверждённые, отрицательные и предположительные упоминания.
- Для обучения нейросети использовали данные экспертной системы и примеры, размеченные медицинскими экспертами.
- Русскую версию модели обучали на медицинских текстах больниц, полученных с согласия пациентов и после анонимизации.
- Инструмент можно применять для анализа электронных медицинских карт и извлечения сведений из медицинских исследований.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация