医療文書の自動コーディングにおける説明可能性を伴う比較研究

A Comparative Study on Automatic Coding of Medical Letters with Explainability

July 18, 2024

著者: Jamie Glen, Lifeng Han, Paul Rayson, Goran Nenadic

cs.AI

要旨

本研究は、自然言語処理（NLP）と機械学習（ML）技術を活用し、視覚的な説明可能性と軽量なローカルコンピュータ設定を備えた医療文書の自動コーディングを実現することを目的としています。現在、臨床現場では、患者の書類に含まれる各病状、処置、および薬剤にコードを割り当てる手動のコーディングプロセスが行われています（例：SNOMED CTコードを使用した56265001心疾患）。この分野では、最先端のMLモデルを用いた自動コーディングに関する予備的な研究が行われていますが、モデルの複雑さとサイズのため、実世界での展開は実現されていません。自動コーディングの実践可能性をさらに促進するため、ローカルコンピュータ設定でのいくつかの解決策を探求し、加えてAIモデルの透明性のための説明可能性の機能を探求します。本研究では、公開されているMIMIC-IIIデータベースとICDコード予測のためのHAN/HLANネットワークモデルを使用しました。また、ICDとSNOMED CTの知識ベース間のマッピングについても実験を行いました。実験の結果、モデルは97.98％のコードに対して有用な情報を提供しました。この調査の結果は、病院などの臨床現場で使用されるローカルコンピュータ上での自動臨床コーディングの実装に光を当てるものです。プロジェクトページはhttps://github.com/Glenj01/Medical-Codingにあります。

English

This study aims to explore the implementation of Natural Language Processing (NLP) and machine learning (ML) techniques to automate the coding of medical letters with visualised explainability and light-weighted local computer settings. Currently in clinical settings, coding is a manual process that involves assigning codes to each condition, procedure, and medication in a patient's paperwork (e.g., 56265001 heart disease using SNOMED CT code). There are preliminary research on automatic coding in this field using state-of-the-art ML models; however, due to the complexity and size of the models, the real-world deployment is not achieved. To further facilitate the possibility of automatic coding practice, we explore some solutions in a local computer setting; in addition, we explore the function of explainability for transparency of AI models. We used the publicly available MIMIC-III database and the HAN/HLAN network models for ICD code prediction purposes. We also experimented with the mapping between ICD and SNOMED CT knowledge bases. In our experiments, the models provided useful information for 97.98\% of codes. The result of this investigation can shed some light on implementing automatic clinical coding in practice, such as in hospital settings, on the local computers used by clinicians , project page https://github.com/Glenj01/Medical-Coding.