中科院自動化所聯(lián)合實驗室獲CCKS2020醫(yī)療命名實體識別評測冠軍

量子位的朋友們 2020-11-18 09:48:25 來源：量子位

日前，第十四屆全國知識圖譜與語義計算大會（CCKS-2020）在南昌召開。會上公布了CCKS-2020技術評測結(jié)果，云知聲-中科院自動化所語言與知識計算聯(lián)合實驗室在“面向中文電子病歷的醫(yī)療命名實體識別評測任務”中獲得冠軍，并斬獲該任務唯一技術創(chuàng)新獎。

CCKS由中國中文信息學會語言與知識計算專業(yè)委員會主辦，是知識圖譜、語義技術、鏈接數(shù)據(jù)等領域的核心會議。其中，CCKS技術評測致力于促進國內(nèi)知識圖譜領域的技術發(fā)展，以及學術成果與產(chǎn)業(yè)需求的融合和對接，而“技術創(chuàng)新獎”的設立，專門用于鼓勵創(chuàng)新性技術的使用。

“面向中文電子病歷的醫(yī)療命名實體識別”是CCKS圍繞中文電子病歷語義化開展的系列評測的延續(xù)，在CCKS 2017、2018、2019相關評測任務的基礎上進行了延伸和拓展，旨在從電子病歷純文本文檔中識別并抽取出醫(yī)學臨床相關的實體指稱，并將其歸類到預定義的疾病診斷、影像檢查、實驗室檢驗、手術、藥物以及解剖部位六種實體類別上。

相對于通用領域的命名實體識別，醫(yī)療命名實體識別面臨兩大核心挑戰(zhàn)：

實體標注不一致。醫(yī)療領域的標注通常需要醫(yī)學專業(yè)背景的人員，而不同科室方向的標注者對標注標準的理解各異，因此容易出現(xiàn)不同標準的標注結(jié)果。這一現(xiàn)象難以用規(guī)則去規(guī)避，也不能簡單的直接糾正訓練集中標注不一致的實體，因為并不知道哪一種標準是正確的。

缺乏訓練數(shù)據(jù)。由于醫(yī)學領域數(shù)據(jù)的敏感性，研究者們往往難以獲得足夠多的標注數(shù)據(jù)。標注數(shù)據(jù)的缺乏通常會導致長尾現(xiàn)象以及模型泛化性不足。當訓練數(shù)據(jù)缺乏時，模型的預測結(jié)果可能會因模型參數(shù)的不同設置而劇烈變動。在醫(yī)學場景下，需要的是更穩(wěn)定、可靠的模型。

為應對上述難點，云知聲-中科院自動化所聯(lián)合實驗室團隊基于貝葉斯不確定性策略構(gòu)建了一個基于有噪標簽學習的中文醫(yī)療命名實體識別系統(tǒng)。該系統(tǒng)由基于對抗訓練的半監(jiān)督深度學習融合模塊與基于實體多標、漏標與錯標規(guī)則的后處理模塊共同組成。在本次評測中，系統(tǒng)在官方?jīng)Q賽測試集上取得了嚴格指標0.9156，松弛指標0.9660的最高分數(shù)。

目前，聯(lián)合實驗室團隊這一創(chuàng)新研究成果已在云知聲旗下“智能病歷質(zhì)控”、“智能語音電子病歷”等產(chǎn)品中應用，并用于醫(yī)療知識圖譜的構(gòu)建。相關產(chǎn)品已在全國百余所醫(yī)院落地，對于提升醫(yī)生工作效率、強化醫(yī)院信息化管理及智慧醫(yī)療體系建設意義重大。