초록
자동 ICD 코드 지정은 전자 의료 기록(EMR)에 질병 코드를 할당하는 것을 의미합니다. 기존 방법들은 일반적으로 라벨 주의 메커니즘을 사용하여 코드 표현과 관련된 텍스트 조각을 일치시키는 방식을 취합니다. 그러나 이러한 연구들은 코드 계층 구조나 설명을 통해 라벨을 모델링하는 반면, 우리는 EMR에서의 코드 표현이 ICD에서의 설명과 다르다는 관찰에 근거하여, 코드 동의어가 더 포괄적인 지식을 제공할 수 있다고 주장합니다. UMLS의 개념과 코드를 맞춤으로써 각 코드의 동의어를 수집하였습니다. 그 다음, 우리는 여러 동의어 매칭 네트워크를 제안하여 동의어를 활용해 보다 나은 코드 표현 학습을 수행하고, 결국에는 코드 분류를 돕습니다. MIMIC-III 데이터셋에서 수행한 실험 결과, 제안한 방법이 이전 최신 연구 방법들을 능가함을 확인할 수 있었습니다.