Continuous Predictive Modeling of Clinical Notes and ICD Codes in Patient Health Records

简介

电子健康记录（EHR）是患者信息的宝贵来源，提供了有关医疗历史、治疗和结果的见解。以往的研究已经开发出了检测应在编写给定EHR文档时分配的适用ICD代码的系统，主要集中在住院期间最后撰写的出院总结上。在这项工作中，我们研究了在患者住院期间的不同时间点预测这些代码的潜力，甚至在临床医生正式分配之前。预测诊断和治疗的方法的开发可以为预测性医学开辟机会，例如更早地识别疾病风险、建议治疗和优化资源分配。我们的实验表明，在入院后两天就可以进行有关最终ICD代码的预测，并提出了一种定制模型，改善了这种早期预测任务的性能。
作者讲解

目前尚无作者解读视频，你可点击下方【许愿开讲】按钮，许愿作者开讲~
图表
解决问题

研究如何在患者住院期间的不同时间点预测ICD诊断编码，以提高预测医学的能力。
关键思路

使用电子病历数据，提出一种定制模型来预测患者住院期间的ICD编码，尤其是在入院后两天内的早期预测。
其它亮点

实验结果表明，使用电子病历数据可以在入院后两天内预测ICD编码。论文提出的定制模型在早期预测任务中表现优异。
相关研究

之前的研究主要集中在患者出院总结中的ICD编码预测，本研究则尝试在患者住院期间的不同时间点进行预测。