憑借cw2vec方法，阿里健康拿下中文電子病歷實(shí)體識別全國冠軍

　　全國知識圖譜與語義計算大會(CCKS2018)8月14日至17日在天津舉行，憑借出色的專業(yè)能力，阿里健康團(tuán)隊(duì)在中文電子病歷命名實(shí)體識別評測任務(wù)中奪冠。

　　電子病歷結(jié)構(gòu)化是讓計算機(jī)理解病歷、應(yīng)用病歷的基礎(chǔ)?；趯Σv的結(jié)構(gòu)化，可以計算出癥狀、疾病、藥品、檢查檢驗(yàn)等多個知識點(diǎn)之間的關(guān)系及其概率，構(gòu)建醫(yī)療領(lǐng)域的知識圖譜，進(jìn)一步優(yōu)化醫(yī)生的工作。

　　例如，基于大醫(yī)院的優(yōu)質(zhì)病歷數(shù)據(jù)訓(xùn)練的輔助診療系統(tǒng)，可以在基層醫(yī)院應(yīng)用以提升醫(yī)生的業(yè)務(wù)能力;根據(jù)癥狀和以往病歷記錄自動分析醫(yī)生開出的藥品是否合理，預(yù)測發(fā)生誤診的概率等等。結(jié)構(gòu)化的電子病歷對于臨床醫(yī)學(xué)科研等工作也具有重大作用，醫(yī)生可以更加智能地搜索相關(guān)病歷，或者查看相似病歷，也可以對病歷進(jìn)行相關(guān)統(tǒng)計分析，有助于醫(yī)生發(fā)現(xiàn)潛在的知識聯(lián)系，產(chǎn)生高水平的臨床研究論文。

　　此次CCKS2018的電子病歷命名實(shí)體識別的評測任務(wù)，是對于給定的一組電子病歷純文本文檔，識別并抽取出其中與醫(yī)學(xué)臨床相關(guān)的實(shí)體，并將它們歸類到預(yù)先定義好的類別中。組委會針對這個評測任務(wù)，提供了600份標(biāo)注好的電子病歷文本，共需識別含解剖部位、獨(dú)立癥狀、癥狀描述、手術(shù)和藥物五類實(shí)體。

　　目前主流的中文實(shí)體識別方法主要沿用自英文和其他語言的通用方法，并沒有把中文的特色發(fā)揮出來。而正如英文中可以根據(jù)單詞的詞根詞綴來猜測其意義和性質(zhì)一樣，漢字的筆畫及偏旁部首中也蘊(yùn)含著大量信息。阿里健康團(tuán)隊(duì)以兩種序列標(biāo)注算法為基礎(chǔ)，首次在醫(yī)療文本領(lǐng)域采用了cw2vec的方法構(gòu)建詞向量矩陣，基于全部的非標(biāo)注文本和標(biāo)注文本集訓(xùn)練詞向量，以解決新字無法識別的問題;同時改進(jìn)了漢字結(jié)構(gòu)和拼音的特征的一般方案。最終，團(tuán)隊(duì)以嚴(yán)格指標(biāo)0.8913取得了第一名的好成績。

　　“醫(yī)療命名實(shí)體識別只是我們團(tuán)隊(duì)工作的一小部分，也是我們面向醫(yī)院和醫(yī)生提供醫(yī)療人工智能服務(wù)的基礎(chǔ)?！?a class="contentlabel" href="http://m.butianyuan.cn/news/listbylabel/label/阿里健康">阿里健康人工智能實(shí)驗(yàn)室主任范繹說，阿里健康團(tuán)隊(duì)長期專注通過實(shí)體識別、實(shí)體鏈接、關(guān)系提取等手段從電子病歷中識別信息，并在此基礎(chǔ)上對信息進(jìn)行融合和整合，以知識圖譜的呈現(xiàn)形式，為其他服務(wù)提供數(shù)據(jù)基礎(chǔ)。在此之上，基于電子病歷數(shù)據(jù)，阿里健康打造了大數(shù)據(jù)科研平臺、臨床輔助決策引擎等針對醫(yī)院和醫(yī)生的多款產(chǎn)品，為廣大醫(yī)生和用戶提供更加智能的用戶體驗(yàn)，幫助其提升專業(yè)水平和工作效率。

　　CCKS是由中國中文信息學(xué)會語言與知識計算專業(yè)委員會(CIPS)定期舉辦的全國年度學(xué)術(shù)會議，致力于促進(jìn)中國語言與知識計算領(lǐng)域的學(xué)術(shù)研究和產(chǎn)業(yè)發(fā)展，為從事相關(guān)領(lǐng)域理論和應(yīng)用研究的學(xué)者、機(jī)構(gòu)和企業(yè)提供廣泛交流的平臺，已經(jīng)成為國內(nèi)知識圖譜、語義技術(shù)、語言理解和知識計算等領(lǐng)域的核心會議。