半岛全站MedInfo2023 口头学术报告 四篇壁报国际医学信息学盛会上的“神州身影”

　　半岛全站近日，由国际医学信息学学会（IMIA）主办的第19届世界医疗卫生大会（MedInfo）在澳大利亚悉尼召开，这一享有盛誉的国际盛会汇集了数以千计处于医疗健康前沿的数字健康领导者和从业者。神州医疗获邀出席并进行口头学术报告，展现了神州医疗推动生物医学与健康信息学发展的丰硕成果。同期呈现四篇壁报，涵盖中文医学数据隐私保护研究、中文医学数据标准化研究等独创性技术与研究成果半岛全站，受到与会者的关注。

　　在10日的全体会议与主题演讲中，神州医疗高级副总裁兼首席医学信息官弓孟春博士受邀参会并进行口头学术报告。

　　他向国际专家介绍神州医疗在肾脏病、恶性肿瘤、儿童免疫疾病、心血管疾病、罕见病等不同领域为临床研究、转化医学研究、真实世界研究、人工智能等方面提供的数据技术支撑及相应的丰硕成果，展现了Biomedical and Health Informatics （BMHI, 生物医学与健康信息学）领域日积月累的积淀与日新月异的进展。

　　作为新兴的交叉学科，BMHI的发展在全球如火如荼，作为基础学科为全球各国的生物医药产业的发展、临床诊疗技术水平的提升及生命科学人工智能研究的发展提供核心的智力支撑。

　　此次大会上，神州医疗的四篇壁报涵盖中文医学数据隐私保护研究、中文医学数据标准化研究等独创性技术与研究成果。

　　研究内容：研究单中心实体的人工标注方法对中文电子病历文本语义提取结果的影响，根据数据来源对不同医疗文本进行分类拆分，基于大数据和多中心的文本数据，对照多中心实体长文本整体人工标注方式，比较单中心实体长文本多模型人工标注的效果。

　　研究意义：单中心实体训练的NLP模型能降低模型训练时间和新需求的响应时间，提高NLP模型的整体数据质量，减少语义歧义的发生，以更好地处理和利用大量的文本数据半岛全站。

　　研究内容：基于SNOMED CT的最小语义单元半岛全站，利用自然语言处理技术对中文疾病诊断名称进行智能分割。通过训练模型语料智能映射到相应属性值域，基于概念模型、表达式模型、关系模型，利用完整实体比较算法实现SNOMED CT概念的智能匹配。

　　研究意义：SNOMED CT在中文疾病诊断名称标准化中起着至关重要的作用，能够明显提高准确率及应用范围，促进医学信息的共享和利用。

　　研究内容：神州医疗药品术语集使用SNOMED CT概念模型用于划分药品类别和父子层级。通过在属性组合后构建概念表达式，进一步生成完整定义的药品名称。

　　研究意义：神州医疗药品术语集发挥了对于改善各种电子药品系统互操作性的潜力，可以在不同医院之间形成数据共享和集成分析。

　　研究内容：本研究采用SNOMED CT的层级特征用于构建中草药编码系统，该系统涵盖了指导临床实践和生成真实证据的重要功能，并定义了主要属性和关系半岛全站。采用自然语言处理方法建立了信息提取过程，以验证新系统在中药信息标准化方面的性能半岛全站。

　　研究意义：新型多层级的中草药编码体系为从中医病历和识字中提取有用信息提供了一种可行的方法，这是证据生成和中医现代化的重要途径。