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。     

基于决策树和主动学习的护理院住院费用监管方法实证研究

随着我国医保覆盖面的扩大和保障水平的提高,违规骗保、过度诊疗、资源浪费等问题愈演愈烈.与此同时,根据国家进一步促进社会办医持续健康规范发展的要求,医保将面临越来越多的社会办医纳保的局面,更加大了医保基金的风险和监管压力.     

新型冠状病毒肺炎疫情下上海口罩保障方案的居民认可度

目的 调查新型冠状病毒肺炎疫情期间上海市口罩预约配售方案的居民认可度情况,为上海口罩保障方案的进一步优化和推广实践提供参考.方法 采用分层比例抽样的方法,调查上海市16个区共计2900位居民对于口罩预约配售方案的认可度评价情况.结果 上海市居民对于政府口罩预约配售方案的整体评价较高,75.1％的居民认为该方案作用显著,...     

零售药店医保纳保评估核心指标构建及其应用研究

目的以消费者服务质量感知为导向,选取合理、科学、可落地的零售药店纳保评估指标,并将其应用至实践。方法遵循问题界定-问题解析-指标遴选-指标收集-预实验-问题发现-体系改进的循环研究模式,通过专家评审方式界定与解析问题,选择核心指标,通过现场预实验修正与论证结果。结果以实现药店间公平竞争为目标,研究界定6个影响消费者对药店服务质量感知的问题,分别为信息不对称、服务质量差、药店基建差、营业时间短、用药安全低和医保药品少。以此形成6个评价零售药店的指标维度,涉及52个指标。研究以其中3个维度为核心,每个核心维度中选取一个具有代表性的指标作为最后结果。维度一为"药店实体",以药店规模为代表指标;维度二为"服务质量",以"执业药师和药师(数)"为代表指标;维度三为"应对人群医保药品需求的满足程度",以"医保品种数合计"为代表指标,作为最终的评价指标。该研究结果在基于被应用场景的需要,即专家增选和赋值后,已被应用于上海市零售药店医保定点月度纳保评估之中,作为省(市)及各区(县)的纳保评估依据。结论本研究成果可推广性强,如应用于药店的市场退出机制、常态化监管考核等。在具体应用中可以根据当地情况赋予权重。     

基于命名实体识别与Neo4j的中文电子病历知识图谱构建和应用

基于真实中文电子病历与网络爬取数据,构建病历实体识别模型,确定实体关系,进行知识图谱可视化展现,搭建基于规则匹配的问答系统。探索适用于中文电子病历的知识图谱与知识体系构建方法,提高医院统计部门相关审核工作效率,为人工智能技术在医疗卫生行业应用奠定基础。