臨床テキストからの説明可能な医療コード予測

臨床記録は、医師が各患者との診療時に作成するテキストドキュメントです。通常、これらの記録には診断や治療を説明する医療コードが付随しています。これらのコードの注釈付けは労力がかかるだけでなく、誤りも生じやすいという問題があります。さらに、コードとテキストの関連性が注釈付けられていないため、特定の診断や治療の理由や詳細が不明瞭になります。本研究では、臨床テキストから医療コードを予測する注意付き畳み込みニューラルネットワーク（Attentional Convolutional Network）を提案します。当手法は、ドキュメント全体の情報を畳み込みニューラルネットワークを使用して集約し、数千もの可能なコードの中から最も関連性の高いセグメントを選択するために注意メカニズムを利用します。この方法は精度が高く、precision@8で0.71、Micro-F1スコアで0.54を達成しており、両方とも従来の最先端技術よりも優れています。また、医師による解釈可能性評価を通じて、注意メカニズムが各コード割り当てに対する意味のある説明を特定することを示しています。