中文电子病历NLP关键技术：CEMR研究与挑战

该研究专注于"面向中文电子病历的NLP关键技术研究"，发表于2014年4月13日，由哈尔滨工业大学计算机学院的蒋志鹏和关毅合作完成，邮箱地址为xyf-3456@163.com。电子病历（EMR）是医疗服务过程中产生的数字化记录，包括文字、符号等多种形式，它不仅是医疗活动的文档，也是医疗大数据的重要组成部分。据统计，每天大约有800份，每月15000份，每年更是达到15万份的规模。 研究的重点集中在中文电子病历（CEMR），这种半结构化的记录方式对专业描述了患者的健康状况。CEMR的处理需要高精度的自然语言处理(NLP)技术，其中一项关键技术是句法树库的构建。研究人员遵循PCTB（汉语词性标注标注体系）进行语法标注规范的制定，目标是实现人机互助，医生参与，通过一致性评价不断迭代修订。这个过程涉及筛选、补充和细化PCTB词性标注，如针对"视物模糊"这样的例子，调整"视物"的词性处理，以及在CEMR特有的上下文中判断像"持物"和"抗凝"这类术语是否应该进行词性切分。 为了确保标注质量，研究团队进行了细致的控制，通过比较修订前后的词性歧义项分布，以及前几次迭代的分词和词性标注准确率及一致性，以评估和改进规范。此外，他们还开发了一套面向电子病历的词性标注规范，这有助于提高NLP系统在处理CEMR时的准确性，从而更好地支持医疗信息的抽取、表示和维护。 这项研究对于提升中文电子病历的处理能力，尤其是在NLP领域的应用具有重要意义，为医疗大数据的管理和分析提供了强有力的技术支撑。