机构名称：
¥ 1.0
医疗决策规则在许多临床决策支持系统（CDS）中起关键作用。但是，这些规则通常是由医学专家制定的，这是昂贵且难以扩大规模的。在本研究中，我们探讨了从文本中自动提取医疗决策规则，从而实现了大规模医疗决策规则的解决方案。我们采用医疗决策规则的表述，作为由条件/决策节点组成的二进制树。这样的树被称为医疗树木，我们介绍了几种生成模型以从文本中提取它们。所提出的模型继承了两类成功的自然语言生成框架的优点，即序列到序列的生成和自动回归产生。为了释放预验证的语言模型的潜力，我们设计了三种线性化样式（自然语言，增强自然语言和JSON代码），是我们模型的目标序列。我们的最终系统在全面的中国基准上实现了67％的树木准确性，优于最先进的基线，提高了12％。结果证明了生成模型在明确建模结构决策路线图上的有效性，并显示出巨大的潜力，可以增强CDSS的发展和可解释的AI。我们的代码将在接受后开源。
自动医疗决策规则从文本提取
主要关键词
相关文件推荐
