医学信息领域人工智能技术的主题漂移与未来展望 ——基于JCR 26本医学信息期刊文本的命名实体识别

摘要：

[目的/意义]在过去数十年中,医学信息研究领域被人工智能技术的重构.为厘清人工智能技术发展对医学信息研究领域带来的影响,本研究采用命名实体对医学信息领域人工智能技术进行识别,深入揭示其主题漂移特征与演化趋势,并提出3点未来展望.[方法/过程]研究中首先采集了JCR中26本医学信息期刊题录信息,而后利用Vosviewer可视化分析人工智能技术的总体分布,在此基础上采用3种深度学习模型对人工智能技术进行命名实体识别和对比,最后分5个时间段梳理其主题漂移并提出3点展望.[结果/结论]Vosviewer可视化显示20年来人工智能技术在医学信息领域占据重要地位;3种深度学习模型对比发现,基于Attention的Bi LSTM-CRF模型的命名实体识别结果最优,F1值提高到88.40％;在5个时间段内,医学信息领域人工智能主流技术以高、中频词为代表围绕着传统型技术且相对稳定,分支技术以低频词为代表则出现深度学习等复杂性技术且随时间有所改变,并呈现直觉(经验发掘)→支持(深入理解)→策略(强化分析)→后推理(支撑决策)→前推理(提前预测);即整体进入较为理性和务实状态,尚缺爆发性变革但确有一定程度变化的主题漂移演化脉络.对此,本文从技术、应用和并行层面提出3点未来展望,以期加强对人工智能在处理医学信息上优、缺点的认知,为更精准地挖掘多源数据提供优质医学诊断具有理论和现实意义.

关键词：医学信息、人工智能技术、命名实体、主题漂移、BERT模型、双向长短期记忆网络、条件随机场、注意力机制

所属期刊栏目：42

分类号：TP274(自动化技术及设备)

资助基金：江苏省高校哲学社会科学研究一般项目2020SJA1591

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：163-176