自然语言处理技术在电子病历文本数据提取中的应用.pdfVIP

JISHUYINGYONG2025年第3期/数字技术与应用

技术应用JISHUYINGYONG

自然语言处理技术在电子病历文本数据提取中的应用

■朱玉芝

随着医疗信息化的发展，电子病历已成为医然语言处理技术是一门结合了语言学、计算机科

疗领域的核心资源。然而，由于电子病历中蕴含学及数学的综合学科，该领域的研究聚焦于自然

着大量的非结构化文本信息，利用传统的数据处语言，即人们的日常用语，虽与语言学研究紧密

理技术无法有效解析和提取这些信息，因此，如相连，但又存在显著的差异。

何有效地利用、理解并从复杂的非结构化文本该技术通过人为方式处理自然语言，使计算

信息中提取信息变得尤其重要。自然语言处理机能够读取并理解。尽管它涵盖了语音、语法、

（NaturalLanguageProcessing，NLP）技术作为语义、语用等多个复杂层面，但简单来讲，自然

人工智能领域的一个重要分支，近年来受到了广语言处理技术的核心任务是利用本体词典、词频

泛的关注和应用，本文以我院在单病种质量控制统计及上下文语义分析等手段，对目标语料进行

上报系统中提取电子病历中文本数据为例，探讨分词处理，进而生成以最小词性为基本单位且富

自然语言处理技术在电子病历文本数据提取中的含语义的词项单元[1]。

具体应用。（二）自然语言处理技术发展史

自然语言处理技术的发展大致经历了4个阶

电子病历系统记录了患者的详细医疗信息，包段，并伴随着3个重要的里程碑。其中，3个重

括主诉、病史、体征、症状、诊断、治疗计划、药要的里程碑包括复杂特征集与合一语法、词汇主

物使用情况等，这些信息对于医疗决策、患者管理义、语料库方法与统计语言模型，这些成果在很

和医疗质量控制至关重要。电子病历文本数据是一大程度上影响了自然语言处理技术的发展。随着

种典型的非结构化数据，经常使用大量的医学术语深度学习的兴起，自然语言处理技术将迎来词向

进行描述，因此，如何有效地提取非结构化文本数量与词嵌入（WordEmbedding）、神经网络等新

据，使潜藏的、有价值的信息被抽取出来，成为电技术，进而推动该领域的进一步发展。

子病历文本数据信息抽取应用的研究重点。Krizhevsky等[2]创造了一个大规模、有深度的

针对电子病历非结构化文本数据抽取问题，卷积神经网络，并赢得了ImageNet挑战赛，此后

本文提出了一种高效的针对电子病历非结构化文深度学习开始被广泛应用于自然语言处理领域，随

本数据的抽取方法。该方法使用自然语言处理技之也有更多、更深的神经网络被提出。Word2Vec

术，通过文本分析、实体识别、关系抽取等手段，的发表为词嵌入提供了理论基础和实践方法，它是

并基于LSTM、BERT和大数据模型，构建了电子语言模型中的一种，在大量文本语料中以无监督方

病历非文本数据抽取模型，为电子病历文本数据式学习语义知识模型，被广泛应用于自然语言处理

提供了高效的数据抽取方法。中[3]，目前已在机器翻译、问答、阅读理解等领域