中科院自動化所聯合實驗室獲CCKS2020醫療命名實體識別評測冠軍

量子位的朋友們 2020-11-18 09:48:25 來源：量子位

日前，第十四屆全國知識圖譜與語義計算大會（CCKS-2020）在南昌召開。會上公布了CCKS-2020技術評測結果，云知聲-中科院自動化所語言與知識計算聯合實驗室在“面向中文電子病歷的醫療命名實體識別評測任務”中獲得冠軍，并斬獲該任務唯一技術創新獎。

CCKS由中國中文信息學會語言與知識計算專業委員會主辦，是知識圖譜、語義技術、鏈接數據等領域的核心會議。其中，CCKS技術評測致力于促進國內知識圖譜領域的技術發展，以及學術成果與產業需求的融合和對接，而“技術創新獎”的設立，專門用于鼓勵創新性技術的使用。

“面向中文電子病歷的醫療命名實體識別”是CCKS圍繞中文電子病歷語義化開展的系列評測的延續，在CCKS 2017、2018、2019相關評測任務的基礎上進行了延伸和拓展，旨在從電子病歷純文本文檔中識別并抽取出醫學臨床相關的實體指稱，并將其歸類到預定義的疾病診斷、影像檢查、實驗室檢驗、手術、藥物以及解剖部位六種實體類別上。

相對于通用領域的命名實體識別，醫療命名實體識別面臨兩大核心挑戰：

實體標注不一致。醫療領域的標注通常需要醫學專業背景的人員，而不同科室方向的標注者對標注標準的理解各異，因此容易出現不同標準的標注結果。這一現象難以用規則去規避，也不能簡單的直接糾正訓練集中標注不一致的實體，因為并不知道哪一種標準是正確的。

缺乏訓練數據。由于醫學領域數據的敏感性，研究者們往往難以獲得足夠多的標注數據。標注數據的缺乏通常會導致長尾現象以及模型泛化性不足。當訓練數據缺乏時，模型的預測結果可能會因模型參數的不同設置而劇烈變動。在醫學場景下，需要的是更穩定、可靠的模型。

為應對上述難點，云知聲-中科院自動化所聯合實驗室團隊基于貝葉斯不確定性策略構建了一個基于有噪標簽學習的中文醫療命名實體識別系統。該系統由基于對抗訓練的半監督深度學習融合模塊與基于實體多標、漏標與錯標規則的后處理模塊共同組成。在本次評測中，系統在官方決賽測試集上取得了嚴格指標0.9156，松弛指標0.9660的最高分數。

目前，聯合實驗室團隊這一創新研究成果已在云知聲旗下“智能病歷質控”、“智能語音電子病歷”等產品中應用，并用于醫療知識圖譜的構建。相關產品已在全國百余所醫院落地，對于提升醫生工作效率、強化醫院信息化管理及智慧醫療體系建設意義重大。