基于BERT蕴含推理的术语标准化系统

崇伟峰, 李 慧,李 雪,任 禾,于 东,王晔晗

( 云知声智能科技股份有限公司 人工智能实验室，北京 100096)

0 引言

临床术语标准化是医学统计中不可或缺的一项任务。DRGs(diagnosis related groups)中文翻译为疾病诊断相关分类。一直以来，DRGs付费制度改革被认为是医保支付方式改革的重点。2019年国家医疗保障局召开“疾病诊断相关分组DRGs付费国家试点工作启动”视频会议，公布了30个试点城市，以此推动DRGs付费方式的试点。DRGs的指导思想是： 通过统一的疾病诊断分类定额支付标准的制定，达到医疗资源利用标准化。在DRGs分组中，诊断和手术的术语标准化起着至关重要的作用[1]。临床上，关于同一种诊断、手术、药品、检查、化验、症状等往往会有成百上千种不同的写法。标准化(归一)要解决的问题就是为临床上各种不同说法找到对应的标准。

本文的主要目标是针对中文电子病历中挖掘出的真实语义实体进行语义标准化，即对于给定的任一手术原始词，找到对应的手术标准词(下文用原始词、标准词分别代表手术原始词和手术标准词)。本文所使用的数据集来自于“中国健康信息处理大会”CHIP2019评测1的官方数据，所有的原始词均来自真实医疗数据，并以《ICD-9-CM-3-2017协和临床版》作为标准词表。

通过对本任务以及数据的分析我们归纳出该任务的四个难点: ①标准词数量特别大，标准词表中共有9 866个不同的编码、9 467个不同的标准词。一般来讲，标准词数量越多，任务的难度越大。②有些标准词之间相似度非常高，比如“硬脊膜外病损切除术”和“硬脊膜下病损切除术”之间只有一字之差，而且这个字在通用的自然语言处理任务中通常不是特别重要。……