日前，自然語言處理領(lǐng)域國際頂級會議 ACL 2020 (Association for Computational Linguistics)論文接收結(jié)果公布。大會共收到 3429篇投稿論文，投稿數(shù)量創(chuàng)下新高。作為計算語言學和自然語言處理領(lǐng)域最重要的頂級國際會議，ACL錄取論文代表了自然語言處理領(lǐng)域在過去一年最新和最高的科技水平以及未來發(fā)展潮流。


本屆大會，云知聲-中科院自動化所“語言與知識計算聯(lián)合實驗室”共有3篇論文被收錄，分別在醫(yī)療對話的自動信息抽取、國際疾病分類（ICD）自動編碼，以及 ICD自動編碼可解釋性等領(lǐng)域取得突破。這些最新的自然語言處理算法將為后續(xù)研究提供極具價值的經(jīng)驗和方向，已在云知聲醫(yī)療業(yè)務率先應用。

一種面向醫(yī)學對話的醫(yī)學信息提取器

MIE: A Medical Information Extractor towards Medical Dialogues

如今，電子病歷已經(jīng)成為現(xiàn)代醫(yī)療的重要組成部分，但是目前書寫電子病歷費時費力，已經(jīng)成為醫(yī)生的沉重負擔。如果能夠從醫(yī)療對話中自動地抽取醫(yī)學信息，將極大緩解醫(yī)生書寫病歷的壓力。

本文提出一個面向醫(yī)患對話文本的信息抽取系統(tǒng)，它可以從對話中抽取出癥狀、檢查、手術(shù)、一般信息及其相應的狀態(tài)。這些抽取出的信息將有助于醫(yī)生書寫病歷，或者更進一步地應用于病歷的自動生成。研究團隊收集并標注了1120段在線問診的醫(yī)患對話作為數(shù)據(jù)集，采用滑動窗口形式進行標注，和序列標注相比，減緩了標注難度。在此基礎(chǔ)上，針對醫(yī)療問診對話文本的特點和難點，提出一種基于深度匹配的神經(jīng)網(wǎng)絡模型，能夠考慮到對話的多輪結(jié)構(gòu)，利用注意力機制捕捉對話中不同輪次之間的交互信息，從而完善醫(yī)學信息的抽取。

HyperCore：基于雙曲空間和共現(xiàn)圖表示的 ICD自動編碼

HyperCore: Hyperbolic and Co-graph Representation for Automatic ICDCoding

國際疾病分類（International Classification of Dieases,ICD）是由世界衛(wèi)生組織發(fā)起的，針對各種疾病做出的國際通用的統(tǒng)一分類方法，這種方法賦予每種疾病一個獨特的編碼。ICD編碼的普及和應用能夠極大促進世界范圍內(nèi)疾病的信息共享和臨床研究，并對健康狀況研究、保險索賠、發(fā)病率和死亡率統(tǒng)計產(chǎn)生積極的影響。

長期以來，ICD編碼一直由專業(yè)編碼員人工完成。人工編碼耗時費力，而且非常容易出錯，同時不斷更新 ICD代碼版本會導致代碼數(shù)量大幅度增加，對編碼人員的要求越來越高。數(shù)據(jù)顯示，在美國每年因為編碼錯誤以及用于提升編碼質(zhì)量的相關(guān)成本超過250億美元。

為了緩解人工編碼的問題，一些工作開始嘗試利用機器自動完成 ICD編碼任務。但是現(xiàn)有的方法獨立地預測每個編碼，而忽略了編碼的兩個重要特征——層級性和共現(xiàn)性。

在本文中，研究團隊提出了使用雙曲空間和共現(xiàn)圖卷積神經(jīng)網(wǎng)絡針對性地建模上述兩種性質(zhì)。具體來說，提出了一種雙曲線表示方法來利用編碼的層次結(jié)構(gòu)。此外，提出了一種共現(xiàn)圖卷積網(wǎng)絡來利用編碼的共現(xiàn)性。在國際公開數(shù)據(jù)集上的實驗取得了最好的效果。

Clinical-Coder：面向中文臨床記錄的 ICD-10自動編碼

Clinical-Coder: Assigning Interpretable ICD-10 Codes to Chinese Clinical Notes

國際疾病分類（ICD）作為世衛(wèi)組織成員國在衛(wèi)生統(tǒng)計中共同采用的對疾病進行編碼的標準分類方法，是目前國際上通用的疾病分類方法。目前廣泛使用的國際疾病分類第十次修訂版（簡稱 ICD-10）的編碼數(shù)量達到了72,184個，是以前版本(ICD-9)的五倍多。

為了緩解人工編碼耗時、費力、容易出錯的問題，很多工作開始研究利用機器進行自動的 ICD編碼。這些方法雖然取得了很大的成功，但仍然面臨著預測結(jié)果可解釋性問題的嚴峻挑戰(zhàn)，可解釋的結(jié)果對臨床醫(yī)學決策具有重要意義。

針對此問題，并結(jié)合中文的語言特點，研究團隊提出了一種基于空洞卷積和N-gram語言模型的ICD自動編碼方法，利用空洞卷積捕獲非嚴格匹配的語義片段證據(jù)，利用 N-gram捕獲嚴格匹配的語義片段證據(jù)，進而二者聯(lián)合使用，共同提升預測結(jié)果的可解釋性。實驗結(jié)果顯示，該方法不僅能在中文數(shù)據(jù)集上取得顯著的效果，在國際公開的英文數(shù)據(jù)集上也有不錯的效果。

值得一提的是，在醫(yī)療領(lǐng)域，云知聲-中科院自動化所語言與知識計算聯(lián)合實驗室基于自然語言處理技術(shù)構(gòu)建的醫(yī)療知識圖譜已儲備約 50萬醫(yī)學概念，超過 169萬醫(yī)學術(shù)語庫和 398萬醫(yī)學關(guān)系庫，涵蓋了絕大部分藥品、疾病、科室與檢查，規(guī)模達國際領(lǐng)先水準，并在語音病歷，病歷生成、病歷質(zhì)控、輔助診斷系統(tǒng)等具體應用中發(fā)揮了重要支撐作用。

關(guān)于 ACL：ACL是自然語言處理領(lǐng)域頂級國際學術(shù)會議，由計算語言學學會（Association for Computational Linguistics）主辦，每年舉辦一次。其接收的論文覆蓋了語言模型、句法分析、語義分析、篇章分析等計算語言學基礎(chǔ)研究以及信息抽取、問答系統(tǒng)、對話生成、機器翻譯、自動文摘、情感分析、社會計算等自然語言處理應用研究等眾多方向。第 58屆 ACL年會 ACL 2020原定于 7月 5日-10日在美國華盛頓西雅圖舉行，因疫情影響今年將改為在線會議。