一种文本相似度与BERT模型融合的手术操作术语归一化方法

杨飞洪，孙海霞，李 姣

(中国医学科学院/北京协和医学院 医学信息研究所，北京 100020)

0 引言

手术操作原始词是指医生书写的手术操作名称。医生个人书写习惯的差异会导致手术操作原始词与编码标准词之间存在细微差异，如使用手术操作的英文缩写等。这些细微差异对手术操作规范和管理不利。国际疾病分类体系(ICD)于1975年开始对手术操作进行编码规范，经过数十年的发展，目前较为成熟的中文手术操作编码方案有：北京协和医院依据ICD-9手术操作编码体系结合临床实践编制的《ICD9-2017协和临床版》，目前在各医院广泛使用的《手术操作分类代码国家临床版1.1》以及正在逐步推行的《手术操作分类代码国家临床版2.0》[1]。各编码体系的核心是手术操作代码和相应的手术操作标准术语，如表1所示。

表1 手术操作编码示例

统一的手术操作编码体系有利于施行医院绩效评估、医保结算以及各级医联体间的患者转诊。因而，手术操作编码体系更新导致的历史文本数据，以及医生的书写习惯造成的手术操作不规范用语，需要利用计算机技术进行文本数据归一化处理。

国外自ShARe/CLEF eHealth 2013发布标注的临床术语归一化语料伊始，SemEval-2014 Task 7和SemEval-2015 Task 14相继发布了英文的临床术语归一化语料。在这些语料上，研究者们纷纷构建了各种临床术语归一化模型，并取得不少研究成果。第五届中国健康信息处理会议(CHIP2019)临床术语归一化任务(简称Task1)[2]开放了手术操作归一化数据集,其中训练集包含手术操作原始词与标准词共计4 000对，验证集1 000对，测试集2 000条(未标注)，各数据集术语分布基本一致。……