医疗领域构建自然语言处理系统的经验教训

AI Conference in Beijing

重要通知：AI Conference 2019北京站早期优惠价格本周五（5月10日）即将结束！

点击 阅读原文 查看会议详情和报名通道！席位有限，抢票入场！

我们正处于自然语言处理（NLP）领域令人兴奋的十年。 在阅读理解、语言翻译和创意写作等复杂任务上，计算机的表现将会和人类一样出色。语言理解受益于快速改进的“ABC”软件：A就是AI（免费的深度学习库，如PyText和如BERT这样的语言模型），B是大数据（Hadoop，Spark和Spark NLP），以及C，就是云计算（按需提供的GPU和 来自所有主要云服务商的NLP即服务的功能）。

在医疗领域，一些应用已经从科幻小说变为现实。 人工智能系统通过了中国和英国的医学执照考试 ，而且它们比普通医生考得更好。 最新的系统比初级医生能更好地诊断出55种儿科疾病。 但是，这些系统比第一批计算机视觉深度学习应用（例如研究一个图像）中的一些更难构建，因为它们需要具有更广泛常见的医学知识，要处理更多种类的输入，并且必须理解上下文。

过去七年来，我很幸运能够参与构建医疗领域的NLP系统。本文旨在分享我学到的重要经验，从而希望能帮助你更快更好地构建类似的系统。

先见识一下急诊室分诊记录的语言

包括我在内的许多人都错误地认为美国的临床记录是用英文写的。之所以会这样，是因为如果你问医生他们使用什么语言，医生便会回答说是英语。 但是，请看以下三个从急诊室就诊记录中提取的已脱敏的分诊记录的例子：

<

Triage Notes

states started last night, upper abd, took alka seltzer approx 0500, no relief. nausea no vomiting