Hierarchical Modeling of ICD Codes in EHR Foundation Models
本文表明，通过令牌增强（token augmentation）或基于图的边注入（graph-based edge injection），将 ICD-10-CM 代码的层级结构显式地纳入电子健康档案（EHR）基础模型中，与将代码视为扁平令牌相比，能显著提高领域内及跨数据集的临床预测性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在尝试教会一台计算机如何理解患者的病史。计算机阅读着医生用来描述疾病的长串代码（例如“S72.001A”）。
问题所在：“扁平化”视角
目前，大多数计算机模型将这些代码视为一串随机、互不相关的词汇。这就像计算机看到“苹果”、“汽车”和“斑马”是三个完全独立的个体，彼此之间没有任何联系。但在现实中，医学代码是按照一个庞大且详细的家族树进行组织的。一个特定类型腿部骨折的代码，属于“腿部损伤”组，属于“骨骼损伤”组，进而属于“损伤”家族。
论文指出，通过忽略这个家族树，计算机正在错过关于疾病如何相互关联的重要线索。
解决方案：两种新的教学方法
研究人员尝试了两种不同的方法，来强制计算机尊重这种家族树结构：
“标签贴纸”法 (HICD-BERT)：
想象你有一个玩具箱。与其只在箱子上写上“玩具”，不如再贴上一些标签，分别写着“玩具”、“动作玩偶”、“超级英雄”和“蝙蝠侠”。
在这种方法中，计算机看到的不仅仅是特定的代码；它还能看到代表该代码所属更广泛类别的“贴纸”。它能学习到某个特定代码属于一个更大的群体，就像看到“蝙蝠侠”贴纸能帮助你更好地理解那个玩具一样。“社交网络”法 (HICD-Graph)：
想象你在画一张地图，其中每种疾病都是一座城市。通常情况下，你只会在经常出现在同一位患者记录中的疾病城市之间绘制道路。
在这种方法中，研究人员在地图上增加了“额外的道路”。他们根据官方的医学家族树，将特定的疾病城市与其“父级”城市（即更广泛的类别）连接起来。这创建了一张混合地图，既知道哪些疾病经常同时出现，也知道它们在定义上是如何相互关联的。
他们的发现
研究人员在两个巨大的真实患者记录数据库（一个来自波士顿医院，另一个来自全美各地的重症监护室 ICU）上测试了这些方法。
- 更好的预测能力： 在几乎所有的测试中，使用了“家族树”结构的模型的表现都优于那些忽略该结构的模型，尤其是在预测未来健康事件（例如患者是否会被再次送入医院或是否需要紧急护理）方面。
- “金发姑娘”区（适中原则）： 他们发现，最理想的细节程度取决于具体任务。
- 对于“标签贴纸”法，最具体的细节（树的最细层级）通常是最有帮助的。
- 对于“社交网络”法，使用所有的层级（从最广泛的家族到具体的代码）效果最好。
- “旅行”测试： 他们在一组医院数据上训练计算机，然后要求它去预测另一组它从未见过的完全不同的医院的预后情况。
- “社交网络”法表现出了极佳的“迁移性”；它保持了准确性，因为它学习到了疾病相互关联的通用规则。
- “标签贴纸”法则在迁移时表现挣扎；它似乎只是记住了第一家医院的具体习惯，而不是医学的普遍规律。
底线结论
论文得出结论：医学代码不仅仅是随机的标签，它们是一种有结构的语言。通过明确教导计算机理解这些代码的“家族树”，我们可以构建出更聪明、更可靠的 AI，使其能够理解患者疾病的上下文背景，而不仅仅是孤立的事实。研究人员表明，你不需要彻底重建计算机的大脑来做到这一点；你只需要添加一些“路标”（贴纸或额外的道路）来帮助它在医学景观中导航。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。