摘要
从电子健康记录（EHR）中自动识别国际疾病分类（ICD）编码是一项关键挑战，尤其是对于罕见病，现有的计算方法因标签分布呈现极端的长尾特征而严重表现不佳。为应对这一问题，我们提出了一种名为 MMAC-Net 的多模态深度学习框架，旨在增强对涉及罕见病理的住院病例进行 ICD-9 编码的回顾性分配。该模型采用卷积注意力架构，将非结构化的临床叙述与结构化的辅助数据（具体为药物处方和微生物学事件）进行整合。通过后期融合机制，它将注意力加权后的文本表示与结构化数据类型的稠密嵌入进行综合。在 MIMIC-III 数据集上的验证表明，在相同协议下与仅文本基线模型相比，该框架取得了一致的性能提升。在包含 8930 个 ICD 编码的完整数据集上，该框架达到了 0.997 的 Micro-AUC 和 0.875 的 Precision@8。在至少包含 568 个罕见编码中 1 个的住院病例子集上，相对于仅文本基线模型，将两种结构化模态添加到文本编码器后，Macro-F1 从 0.011 提升至 0.084，Micro-F1 从 0.368 提升至 0.513，分别对应 6.69 和 0.39 的相对增长，同时 Precision@8 从 0.092 提升至 0.159，Micro-AUC 从 0.966 提升至 0.985。尽管极端类别不平衡仍是一大严峻障碍，但这些发现强调了纳入结构化临床背景可以在一定程度上缓解纯自然语言处理方法的局限性。在实际应用中，该框架被设计为一个决策支持组件，向人工编码员或临床医生呈现一份候选编码的排序短名单；通过恢复仅文本系统所遗漏的罕见编码，它旨在解决低患病率疾病编码不足的问题，而这一问题会降低登记数据的完整性和下游流行病学估计的准确性。
