論文の概要: MKE-Coder: Multi-Axial Knowledge with Evidence Verification in ICD Coding for Chinese EMRs

• arxiv url: http://arxiv.org/abs/2502.14916v1
• Date: Wed, 19 Feb 2025 08:08:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 16:11:20.143358
• Title: MKE-Coder: Multi-Axial Knowledge with Evidence Verification in ICD Coding for Chinese EMRs
• Title（参考訳）: MKE-Coder:中国のEMRのためのICD符号化におけるエビデンス検証による多軸知識
• Authors: Xinxin You, Xien Liu, Xue Yang, Ziyi Wang, Ji Wu,
• Abstract要約: 本稿では,中国EMRのICD符号化におけるエビデンス検証によるMKE-Coder: Multi-axial Knowledgeを提案する。 診断のための候補コードを特定し,そのそれぞれを4つの符号化軸の下で知識に分類する。 評価モデルを用いて,EMRの包括的内容と信頼性証拠のフィルタリングから,対応する臨床証拠を検索する。
• 参考スコア（独自算出の注目度）: 9.615982382826768
• License:
• Abstract: The task of automatically coding the International Classification of Diseases (ICD) in the medical field has been well-established and has received much attention. Automatic coding of the ICD in the medical field has been successful in English but faces challenges when dealing with Chinese electronic medical records (EMRs). The first issue lies in the difficulty of extracting disease code-related information from Chinese EMRs, primarily due to the concise writing style and specific internal structure of the EMRs. The second problem is that previous methods have failed to leverage the disease-based multi-axial knowledge and lack of association with the corresponding clinical evidence. This paper introduces a novel framework called MKE-Coder: Multi-axial Knowledge with Evidence verification in ICD coding for Chinese EMRs. Initially, we identify candidate codes for the diagnosis and categorize each of them into knowledge under four coding axes.Subsequently, we retrieve corresponding clinical evidence from the comprehensive content of EMRs and filter credible evidence through a scoring model. Finally, to ensure the validity of the candidate code, we propose an inference module based on the masked language modeling strategy. This module verifies that all the axis knowledge associated with the candidate code is supported by evidence and provides recommendations accordingly. To evaluate the performance of our framework, we conduct experiments using a large-scale Chinese EMR dataset collected from various hospitals. The experimental results demonstrate that MKE-Coder exhibits significant superiority in the task of automatic ICD coding based on Chinese EMRs. In the practical evaluation of our method within simulated real coding scenarios, it has been demonstrated that our approach significantly aids coders in enhancing both their coding accuracy and speed.
• Abstract（参考訳）: 医学分野における国際疾患分類(ICD)の自動コーディングの課題は確立されており、多くの注目を集めている。 医療分野におけるICDの自動符号化は英語では成功したが、中国の電子医療記録(EMR)を扱う際の課題に直面している。 第一の課題は、中国のEMRから疾患コード関連情報を抽出することの難しさである。 第2の問題は、それまでの方法が、疾患ベースの多軸知識の活用に失敗し、対応する臨床証拠との関連性が欠如していることである。 本稿では,中国EMRのICD符号化におけるエビデンス検証によるMKE-Coder: Multi-axial Knowledgeを提案する。 当初, 診断の候補コードを特定し, それぞれの知識を4つの符号化軸に分類し, その結果, EMRの包括的内容から対応する臨床証拠を抽出し, 信頼性証拠をスコアリングモデルによりフィルタする。 最後に、候補コードの妥当性を確保するために、マスク付き言語モデリング戦略に基づく推論モジュールを提案する。 このモジュールは、候補コードに関連するすべての軸知識がエビデンスによってサポートされていることを検証し、それに従ってレコメンデーションを提供する。 本フレームワークの性能を評価するために, 各種病院から収集した大規模中国のEMRデータセットを用いて実験を行った。 実験の結果,MKE-Coderは中国語のEMRに基づく自動ICD符号化のタスクにおいて,大きな優位性を示した。 実符号化シナリオにおける本手法の実践的評価において,提案手法はコーダの符号化精度と高速化の両立に有効であることが実証された。

関連論文リスト

• Medchain: Bridging the Gap Between LLM Agents and Clinical Practice through Interactive Sequential Benchmarking [58.25862290294702]
  臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。 フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
  論文  参考訳（メタデータ） (2024-12-02T15:25:02Z)
• MedCodER: A Generative AI Assistant for Medical Coding [3.7153274758003967]
  我々は、自動医療コーディングのためのジェネレーティブAIフレームワークであるMedCodERを紹介する。 MedCodERは、ICD(International Classification of Diseases)コード予測において、マイクロF1スコアの0.60を達成している。 疾患診断,ICD符号,エビデンステキストを付加した医療記録を含む新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2024-09-18T19:36:33Z)
• Auxiliary Knowledge-Induced Learning for Automatic Multi-Label Medical Document Classification [22.323705343864336]
  3つのアイデアを取り入れた新しいICDインデクシング手法を提案する。 臨床ノートから情報を収集するために,多レベル深部拡張残差畳み込みエンコーダを用いた。 我々はICD分類の課題を医療記録の補助的知識で定式化する。
  論文  参考訳（メタデータ） (2024-05-29T13:44:07Z)
• Exploring LLM Multi-Agents for ICD Coding [15.730751450511333]
  ICD符号化のためのマルチエージェント方式は実世界の符号化プロセスを効果的に模倣し、一般的な符号と稀な符号の両方の性能を向上させる。 提案手法は, 事前学習や微調整を必要とする最先端のICD符号化手法に匹敵する結果を得るとともに, 稀なコード精度, 説明可能性で性能を向上する。
  論文  参考訳（メタデータ） (2024-04-01T15:17:39Z)
• CoRelation: Boosting Automatic ICD Coding Through Contextualized Code Relation Learning [56.782963838838036]
  我々は,ICDコード表現の学習を促進するために,文脈的かつ柔軟なフレームワークである新しい手法を提案する。 提案手法では,可能なすべてのコード関係をモデル化する際の臨床ノートのコンテキストを考慮した,依存型学習パラダイムを採用している。
  論文  参考訳（メタデータ） (2024-02-24T03:25:28Z)
• AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
  我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。 この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。 高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
  論文  参考訳（メタデータ） (2024-02-15T06:46:48Z)
• Automated Medical Coding on MIMIC-III and MIMIC-IV: A Critical Review and Replicability Study [60.56194508762205]
  我々は、最先端の医療自動化機械学習モデルを再現し、比較し、分析する。 その結果, 弱い構成, サンプル化の不十分さ, 評価の不十分さなどにより, いくつかのモデルの性能が低下していることが判明した。 再生モデルを用いたMIMIC-IVデータセットの総合評価を行った。
  論文  参考訳（メタデータ） (2023-04-21T11:54:44Z)
• TransICD: Transformer Based Code-wise Attention Model for Explainable ICD Coding [5.273190477622007]
  国際疾患分類法 (ICD) は, 医療分野の請求システムにおいて有効かつ重要であることが示されている。 現在、ICDコードは手動で臨床メモに割り当てられており、多くのエラーを引き起こす可能性がある。 本稿では,文書のトークン間の相互依存を捉えるためにトランスフォーマーベースのアーキテクチャを適用し,コードワイド・アテンション・メカニズムを用いて文書全体のコード固有表現を学習する。
  論文  参考訳（メタデータ） (2021-03-28T05:34:32Z)
• A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
  国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。 これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。 提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
  論文  参考訳（メタデータ） (2021-02-26T17:49:58Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• An Explainable CNN Approach for Medical Codes Prediction from Clinical Text [1.7746314978241657]
  我々は集中治療室(ICU)における臨床テキストに基づくCNNベースの自動ICD符号化法を開発した。 私たちは、私たちのモデルが各ラベルの局所的および低レベルの機能を学ぶことを可能にするShallow and Wide Attention Convolutional Mechanism(SWAM)を思いつきました。
  論文  参考訳（メタデータ） (2021-01-14T02:05:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。