日前，第六屆中國健康信息處理大會（CHIP 2020）舉辦的中文醫(yī)學信息處理評測競賽圓滿結賽，騰訊天衍實驗室依托其在醫(yī)學領域的長期技術積累和創(chuàng)新探索，一舉獲得“中文醫(yī)學文本命名實體識別”賽道冠軍、“中文醫(yī)學文本實體關系抽取”賽道亞軍。

信息抽�。↖E）技術方案突破升級

對于醫(yī)學領域的自然語言文獻，例如醫(yī)學教材、醫(yī)學百科、臨床病例、醫(yī)學期刊、入院記錄、檢驗報告等，這些文本中蘊含大量醫(yī)學專業(yè)知識和醫(yī)學術語。將實體識別技術與醫(yī)學專業(yè)領域結合，利用機器讀取醫(yī)學文本，可以顯著提高臨床科研的效率和質(zhì)量，并且可服務于下游子任務。但要想讓機器“讀懂”醫(yī)學數(shù)據(jù)，核心在于讓計算機在大量醫(yī)學文本中準確的提取出關鍵信息，這就涉及到了命名實體識別、關系抽取等自然語言處理技術。

命名實體識別（Named Entity Recognition， NER）和關系抽�。≧elation Extraction， RE）是信息抽取（Information Extraction，IE）的兩大核心任務。命名實體識別旨在抽取所需實體，以醫(yī)療領域為例，需要從非結構化醫(yī)學文本中找出醫(yī)學實體，如疾病、癥狀的過程；實體關系抽取則需要同時提取出醫(yī)學實體及實體間的關系信息，即實體關系三元組 ［頭實體 （subject）， 關系（predicate）， 尾實體（object）］。

實體關系三元組示意

在兩大評測任務中，騰訊天衍實驗室從數(shù)據(jù)和模型層面做出了針對性設計。在命名實體識別任務中，天衍實驗室使用的數(shù)據(jù)集由北京大學等院校及科研單位智慧醫(yī)療課題組聯(lián)合構建�；�于醫(yī)療領域?qū)�專業(yè)性、準確性的高標準要求，及目前命名實體識別任務存在的實體頻次稀疏和實體長度偏長問題，天衍實驗室采用指針解碼的特殊方式，對單個實體的頭尾位置進行解碼，經(jīng)過試驗證明，該方法在較長實體中的表現(xiàn)確有明顯提升。同時，天衍實驗室基于自身在醫(yī)療領域的經(jīng)驗，嘗試結合大量醫(yī)療文本訓練領域自適應的新預訓練模型，進一步提升了模型表現(xiàn)。最終在評比測試集上，結合多種不同策略，天衍實驗室以F1值68．35獲得第一名。

實體關系抽取評測任務的數(shù)據(jù)來源于中文醫(yī)學信息抽取數(shù)據(jù)集CMeIE，也是目前最大的中文醫(yī)學關系數(shù)據(jù)集。因該數(shù)據(jù)中存在大量實體重疊和關系重疊的現(xiàn)象，天衍實驗室則采用了層疊指針網(wǎng)絡的基礎架構。首先通過兩個二值分類器提取頭實體的首尾位置，繼而采用Conditional layer normalization的方式融入頭實體信息，再針對每種關系，分別預測對應的尾實體。此外，為了更好地利用醫(yī)療詞匯的語義信息，天衍實驗室在輸入層融入領域詞向量，有效提升了實體邊界預測的準確率。最終在測試集上取得單模型第一（F1 61．70），融合模型（F1 63．87）第二的成績。

騰訊天衍實驗室基于自身NLP能力和相關科研成果，不斷通過一系列信息抽取相關競賽測試、突破，不僅累積了豐富場景應用經(jīng)驗與方法，也將更好的輔助醫(yī)療行業(yè)技術升級和科研進步。

技術創(chuàng)新助力AI更“懂醫(yī)”

在醫(yī)療領域，電子病歷、生物醫(yī)療文獻中存在大量的非結構化文本，采用信息抽取技術對醫(yī)療文本進行結構化，提取其中的疾病，癥狀，部位等實體，并對實體之間的關系進行判斷，進而利用這些信息構建醫(yī)療知識圖譜，不僅有利于人工智能更好地學到領域內(nèi)的專業(yè)知識，更進一步提升導診、輔診、疾病預測等下游醫(yī)療任務的性能。

具體來說，醫(yī)生在疾病診斷的過程中，不僅要知道患者的癥狀，而且要了解患者不同癥狀所對應的具體屬性，例如癥狀發(fā)生的時間、部位、變化情況。天衍實驗室AI導診和疾病預測功能，正是采用了上述信息抽取技術，可模擬醫(yī)生診斷過程，并提供循證路徑和一定的可解釋性。

如在AI導診場景中，當用戶輸入主訴，AI導診小程序可以返回推薦科室。用戶主訴中可能包含多個癥狀，不同癥狀的時間、部位、嚴重程度、病因誘因可能對應不同的疾病，通過關系抽取技術，可以捕捉到不同癥狀的具體屬性，從而有助于更精準的疾病預測和科室推薦。對于下圖中的患者主訴，首先采用ner技術提取癥狀、檢查等實體，繼而采用關系抽取技術對不同癥狀的具體屬性進行判斷，例如癥狀“腹脹不適”，對應的部位為“上腹”，時間為“3月余”，變化條件為“進食后明顯”，理解了癥狀的一系列細粒度屬性，才能進一步判斷可能的疾病和對應科室。

關系抽取演示圖

騰訊天衍實驗室致力于長期在自然語言基礎、語言理解、信息抽取、知識圖譜構建等進行研究創(chuàng)新，并將成果運用到落地的醫(yī)療自然語言等場景，目前已構建醫(yī)療行業(yè)大規(guī)模知識圖譜，支持了數(shù)百家醫(yī)院的輔診、導診、疾病輔助診斷、智能用藥等產(chǎn)品，助力醫(yī)保、醫(yī)院、疾控中心和其他醫(yī)療機構的智能化知識挖掘和管理難題，實現(xiàn)知識化轉型。

騰訊天衍實驗室專注于醫(yī)療健康領域AI算法研究及落地，旨在依托NLP、知識圖譜、大數(shù)據(jù)、醫(yī)療影像等技術系統(tǒng)，將算法能力輸出到騰訊健康小程序、QQ瀏覽器、微信搜一搜等終端應用。與此同時，騰訊天衍實驗室還與鐘南山院士以及復旦腫瘤醫(yī)院等頭部醫(yī)院建立聯(lián)合實驗室，與牛津大學、佐治亞大學、天津大學、微眾銀行AI部門等單位建立長期科研合作關系，目前已發(fā)表包括NIPS、KDD等多篇頂級學術論文，通過聯(lián)合社會各界進行技術深入研究，騰訊天衍實驗室將進一步加速科研應用落地，以服務于臨床應用。