疾病自动编码（ICD Coding）任务的调研

先挖一个坑

任务定义

给定一段医疗诊断或死亡证明的文本，由机器自动地给出相应的疾病分类编码。

国际疾病分类(international Classification of diseases ,ICD)，是依据疾病的某些特征，按照规则将疾病分门别类，并用编码的方法来表示的系统。

数据集

1. MIMIC数据集(MIMIC-II & MIMIC-III)
   公开数据集
   

相关论文

• Shi, Haoran, et al. “Towards automated icd coding using deep learning.” arXiv preprint arXiv:1711.04075 (2017). [paper]

  使用MIMIC-III数据集，从中提取出diagnosis descriptions进行ICD编码映射。

  主要方法：RNN对document和ICD titles分别编码，然后使用attention选择出diagnosis descriptions进行下一步，在这里需要对document中的每一个diagnosis descriptions和所有的ICD titles进行比对。最终使用sigmoid激活函数二分类。

• Duarte, Francisco, et al. “Deep neural models for ICD-10 coding of death certificates and autopsy reports in free-text.” Journal of biomedical informatics 80 (2018): 64-77.

  使用多种医疗数据做死亡原因ICD编码。创新点是提出了一种神经网络结构预测chapters, blocks, and full-codes三种类型ICD编码。具体是使用RNN编码不同源数据，进行merge，然后分别训练三个模型预测chapters, blocks, and full-codes，其中前两类是多分类问题，最后一层使用softmax;第三种是二分类，最后一层使用的sigmoid。比较新颖的是在最后网络层使用标签之间的共现关系初始化参数。

• Mullenbach, James, et al. “Explainable prediction of medical codes from clinical text.” arXiv preprint arXiv:1802.05695(2018).

  对discharge summaries自动编码到ICD-9，是一个multilabel text classification任务。主要方法是使用CNN对document进行编码，然后attention出来根据不同的label选择document不同的部分作为最终的输出进行预测。

• Pengtao Xie, Haoran Shi, Ming Zhang, Eric P. Xing. “A neural architecture for automated icd coding.” Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). 2018.

  使用MIMIC-III dataset的discharge diagnosis。利用tree-of-sequences LSTM进行编码，adversarial learning进行预测的提升。

• Baumel, Tal, et al. “Multi-label classification of patient notes: case study on ICD code assignment.” Workshops at the Thirty-Second AAAI Conference on Artificial Intelligence. 2018.

  提出了HA-GRU的方法。是一个层次GRU方法，第一层GRU编码word, 第二层GRU编码sentence。sentence attention得到每个word的权重，label attention得到sentence的权重，然后通过隐含层+softmax得到label分类。

• A Label Attention Model for ICD Coding from Clinical Text (IJCAI 2020) [paper]

参考：
https://blog.csdn.net/u010960155/article/details/92233741