醫學自然語言處理API

病歷作為醫院的寶貴財富，里面蘊含了大量的專業知識，但是由于受到技術的限制，長期得不到有效利用，其主要制約在于如何對文本類數據進行結構化處理，并加以充分利用。目前，很多醫院的醫生還停留在去病案室借閱病歷，手工摘抄收集科研數據的階段，效率十分低下。如何利用最新的人工智能技術，讓機器“讀懂”病歷數據，提高臨床科研效率和質量，是目前亟需解決的課題。

    對病歷文本相關的智能分析主要涉及自然語言處理技術，相關研究開始于20世紀60年代的美國，已經發展了數十年的時間。但我國醫學自然語言處理起步較晚，發展水平還與發達國家有一定差距，主要集中在基于規則和專家系統的方法，而將機器學習、深度學習應用到醫學自然語言處理需要更加深入的研究。

  
    我們構建醫學語料庫的基礎上，開發了命名實體識別標注軟件，通過人工標注-機器學習反饋機制進行訓練。目前，運用RNN深度學習模型構建的文本結構化算法模型已經達到較高的準確率，實體識別、屬性抽取、實體分類、關系提取等任務的準確率可以達到90%以上。