编辑推荐：
临床文档分类（CDC）对医疗信息管理至关重要，现有模型在长文档分类中存在不足。研究人员提出 EECAN 模型，融合 SE-Inception 模块与 EAB-CDC 策略，在 MIMIC-III 等数据集上获 99.70% 和 99.80% 的 AUC，为临床系统应用提供可能。
在医疗信息化浪潮中，海量电子健康记录（EHR）里的临床文档多为非结构化文本，如何高效分类这些包含复杂医学术语、多标签信息的长文档成为难题。现有深度学习模型如卷积神经网络（CNN）、循环神经网络（RNN）及 Transformer 等，在处理长距离依赖、标签不平衡及特征稀疏性等问题时力有不逮，尤其对多标签场景下的细粒度特征捕捉不足，导致分类准确性受限。为突破这些瓶颈，来自印度 Chaitanya Bharathi Institute of Technology 等机构的研究人员开展了相关研究，其成果发表在《Scientific Reports》。
研究团队提出了增强有效卷积注意力网络（EECAN），核心是在原有 EffectiveCAN 模型基础上引入挤压激励 inception（SE-Inception）模块，并结合基于编码器和注意力的临床文档分类策略（EAB-CDC）。SE-Inception 模块通过全局池化和通道权重学习，动态校准特征响应，强化关键特征并抑制噪声；EAB-CDC 则利用求和池化（sum-pooling）和多层注意力机制，提取全局及标签特异性特征。
研究采用 MIMIC-III（包含约 4 万重症患者数据）、MIMIC-III-50（聚焦 50 个高频 ICD-9 代码）、荷兰及法国等多语言临床文档数据集。数据预处理包括分词、去停用词等，未进行词干提取以保留医学术语完整性。模型训练中使用焦点损失（Focal Loss）处理标签长尾分布问题，并通过消融实验验证各模块有效性。
实验结果
- 模型性能对比：在 MIMIC-III-full 数据集上，EECAN 采用多层注意力机制时 AUC 达 99.80%，求和池化注意力时 AUC 为 99.70%，均显著优于 CAML、MultiResCNN 等现有模型。在 MIMIC-III-50 数据集上，EECAN 的 AUC 同样领先，验证了其在标签平衡场景的有效性。
- 多语言泛化能力：在荷兰和法国数据集上，EECAN 的 F1 分数分别达 0.836 和 0.675，展现出跨语言分类的潜力。
- 模块重要性验证：消融实验表明，SE-Inception 模块、多层注意力机制及焦点损失缺一不可。移除 SE-Inception 模块使 AUC 降至 99.20%，无注意力机制时 AUC 为 98.70%，凸显各组件对特征提取和分类性能的关键作用。
结论与讨论
EECAN 通过 SE-Inception 模块与多层注意力机制的协同，有效解决了临床文档分类中的长距离依赖、标签不平衡及特征稀疏性问题，在多标签分类任务中实现了 state-of-the-art 性能。其在 EHR 系统中的潜在应用，如自动化文档标注、辅助临床决策等，可显著提升医疗数据管理效率。尽管研究未与 Transformer 模型直接对比，但其轻量级架构在计算效率上具备优势。未来可进一步探索结合图神经网络（GNN）或生成对抗网络（GAN）增强罕见标签数据，提升模型在极端不平衡场景的鲁棒性，同时融入可解释人工智能（XAI）技术，增强临床医生对模型决策的信任度。该研究为临床自然语言处理（NLP）领域提供了新的技术范式，推动 AI 在医疗文档管理中的实际落地。
