【斯坦福】从电子病历EHR构建知识图谱，Robustly Extracting Medical Knowledge from EHRs:A Case Study of Learning a Health Knowledge Graph

主题： Robustly Extracting Medical Knowledge from EHRs:A Case Study of Learning a Health Knowledge Graph

摘要： 越来越大的电子病历（EHR）为算法学习医学知识提供了机会。在一个突出的例子中，因果健康知识图可以学习疾病和症状之间的关系，然后用作诊断工具，可以通过附加的临床输入加以完善。先前的研究表明，可以通过超过270,000例急诊科患者就诊来构建此类图表。在这项工作中，我们描述了评估健康知识图的鲁棒性的方法。除了精确度和召回率，我们还分析了哪些疾病和哪些患者的图形最准确。我们将样本量和不可衡量的混杂因素确定为健康知识图中误差的主要来源。我们介绍一种利用非线性函数构建因果图的方法，以更好地理解现有模型假设。最后，为了评估模型的可概括性，我们扩展到医院系统内更多的完整患者就诊机会。最后，我们讨论了如何从电子病历中稳健地提取医学知识。