基于组合语义相似度计算的疾病术语自动编码

摘要：

当前国内医疗机构疾病编码主要采用国际疾病分类ICD10标准并由人工完成，人工工作量大、时间成本高。提出了一种基于组合语义相似度技术进行疾病术语自动编码的方法，其基于领域知识库结合分词、实体识别和词向量表示技术进行术语相似度计算。通过在妇产科疾病中的应用表明，该方法在术语自动编码精度能达到80%以上，可以有效辅助临床医生书写诊断编码，减少病案科审核工作量，提升总体工作效率。

關键词：

自动编码; 语义相似度; 实体识别; 词向量

中图分类号： TP 311

文献标志码： A

Automatic Coding Method for Disease Term Based on

Combined Semantic Similarity Calculation

HUANG Jiajun

（Information Department， Shanghai Changning Maternity & Infant Health Hospital， Shanghai 200050， China）

Abstract：

Currently， the national medical institutions mainly adopt the ICD10 standard for the disease code，and it iscompleted manually. The large amount of manual work and time cost are the main problems that we are facing. This paper proposes an automatic coding disease terms methodbased on domain knowledge， entity recognition and Word2vec technology for term similarity calculation. The application in the digestive diseases shows that the method can achieve more than 80% accuracy in the term automatic coding， which can effectively assist the clinician to write the diagnosis code， reduce the workload of the medical record review， and improve the overall work efficiency.

Key words：

automatic encoding; semantic similarity; entity identification; word embedding

0引言

近年来，随着医疗信息化程度不断加深以及国家卫计委对于全国医疗术语统一规范化的持续推进，各医疗机构对于医生病历书写规范化要求进一步加强。根据卫生部门要求当前医疗机构对于临床电子病历信息系统（clinical electronic medical recordinformation system，CEMRIS）中疾病的诊断必须进行术语编码。电子病历 （electronic medical record，EMR）[12]作为病人入院就诊信息的基本载体，记录了大量有意义的信息，而这些病历信息大多以自由文本形式存在，很难直接分析利用，并且由于医生个人书写习惯以及术语表达多样性的因素，导致当前电子病历书写很难规范统一，通常存在缩写，异型，拼写错误或采用院内术语标准等。充分挖掘这些非结构化的电子病历信息并实现术语统一编码，尤其是疾病术语编码，对于当前研究的疾病辅助诊疗、科研检索、疾病分组（Diagnosis Related Groups， DRGS）以及智能医保控费的研究具有重要的现实意义。

当……