背景と目的現代の病院において、コード割り当ては正確な請求処理を確保し、患者ケア履歴の有効な記録を作成するために非常に重要です。しかし、このコード化プロセスは煩雑で主観的であり、広範な訓練を受けた医療コーダーが必要とされます。本研究では、深層学習に基づくシステムが臨床記録をICD-9医療コードに自動的にマッピングする性能を評価することを目指しています。方法本研究の評価は、手動で定義されたルールを使用せずにエンドツーエンドの学習方法に焦点を当てています。従来の機械学習アルゴリズムだけでなく、最新の深層学習手法である再帰型ニューラルネットワーク（Recurrent Neural Networks）や畳み込みニューラルネットワーク（Convolution Neural Networks）も、Medical Information Mart for Intensive Care (MIMIC-III) データセットに適用されました。テスト対象のアルゴリズムの異なる設定に対して多数の実験が行われました。結果結果は、深層学習ベースの手法が他の従来の機械学習手法を上回ったことを示しました。当方の評価によれば、最良モデルはトップ10のICD-9コードをF1値0.6957および精度0.8967で予測でき、トップ10のICD-9カテゴリーをF1値0.7233および精度0.8588で推定できました。また、当方の実装は特定の評価指標において既存の研究よりも優れた性能を発揮しました。結論MIMIC-IIIデータセットにおけるICD-9コード割り当ての性能評価には一連の標準的な指標が使用されました。開発されたすべての評価ツールとリソースはオンラインで公開されており、今後の研究における基準として利用することができます。