基于机器学习的医疗文本分析挖掘技术研究

随着医疗行业信息技术的引入，该行业的信息化和自动化水准不断提高。医学 文本信息处理技术正逐渐成为一个新的研究热点。医疗文本，以电子病历为代表， 包含了大量丰富的医疗信息，是进行疾病预测、个性化信息推荐、临床决策支持、 用药模式挖掘等的重要资源，并且可以以此为基础进行医院机构服务价值的衡量。 医学文本中尽管蕴藏着丰富的医疗知识，但处理起来也更加困难。由于以电子病历 为主的医疗文本中包括大量非结构化的自由文本以及图像影像信息，且医生自行 录入可能导致文本的拼写错误、医学名词简写以及不同医生不同地区的惯用语，电 子病历中所包含的医疗信息还不能被计算机有效利用。因此，机器学习和自然语言 处理相关技术将在医学文本的分析和挖掘中发挥重要作用。 为了更好地探索和利用医学文本，特别是电子病历的半结构化和非结构化信 息，对其中非结构化自由文本进行标准化和结构化非常的重要，而医疗信息对时间 特征具有较高的敏感性，使得时间信息也成为了更好分析医疗文本必不可少的因 素。传统的文本分类需要先进行一系列预处理和特征工程的建模，在医疗文本中存 在大量的专业术语和知识、不准确的分词或难以理解的语义特征会影响分类的正