基于BERT特征的双向LSTM神经网络在中文电子病历输入推荐中的应用.docxVIP

基于BERT特征的双向LSTM神经网络在中文电子病历输入推荐中的应用

摘要：中文电子病历属于典型的专业领域非结构化文本，存在术语体系复杂、上下文关联性强、书写风格个性化、口语化与书面化混杂等特征，导致临床医生病历录入耗时长、重复度高、书写规范性差，是智慧医疗临床落地的核心痛点。传统基于规则、统计模型与单一词向量的病历输入推荐方法，无法深度捕捉医疗文本上下文语义、长序列依赖与专业术语关联关系，推荐准确率低、泛化能力弱，难以适配真实临床场景。本文提出以BERT预训练模型完成医疗文本深层语义特征提取，结合双向LSTM（BiLSTM）神经网络实现病历序列时序建模的融合模型方案，构建端到端中文电子病历智能输入推荐系统。通过真实临床病历数据集验证，该融合模型可有效挖掘病历文本双向上下文关联、专业术语搭配规律与临床书写逻辑，相较于传统Word2Vec、独热编码等特征方案，推荐精度、F1值与语句连贯性显著提升，可有效降低医生录入负担、规范病历书写体系、提升临床文书数字化效率，具备极高的临床应用价值与工程落地价值。

关键词：BERT特征；双向LSTM；电子病历；文本序列预测；输入推荐；智慧医疗

一、引言

随着医疗数字化转型持续深化，电子病历已成为临床诊疗、医疗质控、科研统计、医保结算的核心基础数据。在日常临床工作中，医生需要快速完成病程记录、医嘱记录、出院小结、检查报告等海量病历文本录入工作，重复