基于RoBERTa的BiLSTM-CRF模型在中文病案实体识别中的应用研究

目的：构建适用于中文电子病案审核的命名实体识别模型，提高医院统计部门相关病案审核的工作效率，为人工智能技术在医疗卫生行业的应用奠定基础。方法：基于1 700条真实中文电子病历，选取“症状体征”“疾病诊断”“治疗方式”“解剖部位”“影像检查”“手术”等作为主要实体，结合经人工审核的病案结果进行BIOES标注，基于RoBERTa的BiLSTM-CRF算法，构建中文病案实体识别模型。结果：所建实体识别模型在CCKS2017中准确率为94.80%，召回率为96.03%,F1值为0.95；在CCKS2019中准确率为81.91%，召回率为83.03%,F1值为0.83。与传统基于Word2Vec、BERT的识别模型相比，RoBERTa-BiLSTM-CRF模型具有更优的效果。结论：基于RoBERTa的BiLSTM-CRF模型在中文电子病案实体识别中效果良好，能够对中文电子病历进行有效的初步识别和筛查，提高相关统计人员的审核效率。