云知声中国科学院自动化所联合实验室荣获CCKS2020医疗命名实体识别评价冠军
第十四届全国知识图谱与语义计算会议（CCKS—2020）在南昌召开。会上公布了CCKS—2020技术评估结果，云振—中国科学院自动化研究所语言知识计算联合实验室荣获“中文电子病历医学命名实体识别评估任务”一等奖，并获得该任务唯一技术创新奖。
[第1001号]
CCKS由中国中文信息学会语言与知识计算专业委员会主办，是知识图谱、语义技术、链接数据等领域的核心会议。其中，CCKS技术评价致力于促进国内知识图谱领域的技术发展，学术成果与产业需求的整合对接，设立了“技术创新奖”，专门鼓励创新技术的应用。“中文电子病历的医疗命名实体识别”是CKS围绕中文电子病历语义化进行的一系列评估的延续，在CKS2017、2018、2019相关评估任务的基础上进行了扩展和扩展，从电子病历的纯文本文档中识别和提取医学临床相关实体参考，并将其定义好的疾病诊断、影像学检查、实验室检查、手术、手术等。药物和解剖部位分为六个实体类别。与通用域的名称实体识别相比，医学名称实体识别面临两个核心挑战。·实体名称不一致。虽然医疗领域的标签通常需要具有医疗专业背景的人员，但对标签标准的理解因部门而异，从而更容易产生不同标准的标签结果。这种现象很难用规则来避免，因为我们不知道哪个标准是正确的，所以我们不能轻易地纠正训练集中标签不一致的实体。3.缺乏培训数据。由于医疗领域的数据非常敏感，研究人员通常很难获得足够的标记数据。缺乏标记数据往往会导致长尾现象和模型缺乏泛化。如果缺少训练数据，模型参数的设置可能会导致模型预测结果的剧烈波动。在医疗实践中，我们需要更稳定、更可靠的模型。为了解决这些难题，中国科学院云振自动化研究所的一个联合实验室团队基于贝叶斯不确定性策略，构建了一个基于噪声标签学习的中文医学命名实体识别系统。该系统由一个基于对抗学习的半监督深度学习融合模块和一个基于多标准、缺失和错误标记实体规则的后处理模块。在目前的评估中，该系统在官方最终测试集上获得了最高分，分别为0.9156和0.9660缓解指标。
[第1002页]
目前，该联合实验室团队的创新研究成果已应用于云志胜的“智能病历质量管理”、“智能语音电子病历”等产品中，并用于构建医疗知识图谱。相关产品已在全国100多家医院实施，对提高医生工作效率、加强医院信息化管理、构建智能医疗体系等具有重要意义。