基于临床文本树状结构与Transformer-Tree-LSTM的ICD智能编码模型(TRIC)研究

针对电子病历ICD编码存在的语义模糊、结构特征缺失等问题，研究人员提出融合选区树(Constituency Tree)和Tree-LSTM的TRIC模型，通过bioBERT预训练增强关键特征匹配，在MIMIC-III数据集上实现MiF 0.586、P@8 0.758的突破性性能，为医疗大数据标准化提供创新解决方案。

　　

在医疗信息化浪潮中，国际疾病分类(ICD)编码作为医疗数据标准化的核心环节，每年仅美国就耗费250亿美元用于人工编码，但准确率仅71%且耗时长达34分钟/病例。临床文本的非结构化特性、9000余种ICD代码的复杂映射关系，以及传统深度学习方法对病历层次结构的忽视，成为制约医疗AI发展的关键瓶颈。

甘肃某研究团队在《Artificial Intelligence in Medicine》发表的创新研究，构建了TRIC（Transformer and Tree-LSTM for ICD Coding）双通道模型。该研究通过选区树解析临床文本的语法结构，结合bioBERT预训练模型提取生物医学语义特征，创新性地采用Tree-LSTM处理树状输入，其多遗忘门机制可选择性聚合子节点信息，最终通过全连接网络实现临床文本与ICD代码的多对多映射。关键技术包括：基于MIMIC-III真实世界数据的选区树构建、bioBERT特征增强、树状长短期记忆网络(Tree-LSTM)的层次语义建模，以及多指标评估体系(MiF/MaF/MiAUC等)。

【研究结果】

1. 方法论：通过选区树将非结构化病历转化为树状结构，bioBERT提取的768维向量与树节点一一对应，Tree-LSTM单元中每个子节点配备独立遗忘门，有效捕获"高血压伴肾功能不全"等复合诊断的层次语义。

2. 数据集：采用包含58,976例住院记录的MIMIC-III全数据集，对比12种基线模型，TRIC在样本集上P@8(准确率前8位)达0.758，显著优于CNN、BiLSTM等序列模型。

3. 性能验证：全数据集测试中，微观F1值(MiF)0.586较最优基线提升19.2%，宏观AUC(MaAUC)0.937证明模型对罕见病代码的鲁棒性，消融实验显示Tree-LSTM结构贡献率达34.7%。

【结论与意义】
该研究突破传统序列模型的线性处理局限，首创性地将语法树与深度学习方法结合：1）选区树解决临床文本"看似无结构"的解析难题；2）Tree-LSTM的拓扑结构保留诊断描述的层级逻辑，如"糖尿病酮症酸中毒"中"糖尿病"与"酸中毒"的因果关联；3）bioBERT特征增强使关键编码匹配精度提升22.1%。实际应用中，模型可缩短编码耗时至秒级，为DRG医保支付、流行病学研究提供标准化基础。未来可通过融入ICD-11的语义网络进一步优化跨代码关联建模。