Jämförelse av olika funktionsteknikmetoder för automatiserad ICD-kodning

ICD-kodning är ganska viktig eftersom den fungerar som grund för ett brett utbud av ekonomiska och akademiska tillämpningar. För närvarande används huvudsakligen manuell kodning, som möter flera gränser som att vara tidskrävande och risk för fel, och detta gör automatiserad ICD-kodning via maskininlärning till ett hett forskningsämne.

Som en oundviklig fas under maskininlärning spelar funktionsteknik en avgörande roll för att leda till lovande kodningsprestanda. Även om man har kommit fram till upplysande slutsatser saknade existerande studier jämförelse av olika funktionsteknikmetoder. Att ta reda på vilka metoder under vilka omständigheter som fungerar bättre kan vara till stor hjälp för att främja praktiska tillämpningar av automatiserad kodning.

Utredarna kommer att implementera denna studie baserat på data från slutenvården som samlats in från elektroniska journaler från Fuwai Hospital, världens största medicinska center för hjärt-kärlsjukdomar. Bag-of-words, word2cec och roberta kommer att användas för att extrahera funktioner från träningsdata. Sedan kommer kodmässiga logistiska regressionsklassificerare och stödvektormaskinklassificerare att tränas för att autotilldela koder. Efteråt kommer modellernas prestanda på testdata att utvärderas.