Resumen

El objetivo del estudio es explorar la aplicación de la tecnología de codificación de la clasificación internacional de enfermedades (CIE) y el sistema integrado de historia clínica electrónica (HCE). El estudio estableció un sistema de conocimiento de información EMR y recopiló los datos de los registros médicos de los pacientes y los códigos de diagnóstico de enfermedades en las primeras páginas de 8 departamentos clínicos de endocrinología, oncología, obstetricia y ginecología, oftalmología, ortopedia, neurocirugía y medicina cardiovascular para el análisis estadístico. Se utilizó un algoritmo de procesamiento del lenguaje natural y red neuronal recurrente bidireccional (NLP-BIRNN) para optimizar las historias clínicas. Los resultados mostraron que el codificador no tenía claras las reglas básicas de selección del diagnóstico principal y la clasificación de la codificación de enfermedades y no codificaba según los principios del diagnóstico principal. La enfermedad no se codificaba según las distintas condiciones o la clasificación específica, el código de las complicaciones postoperatorias era inexacto, el diagnóstico de la enfermedad estaba incompleto y la selección de códigos era demasiado general. Las soluciones adoptadas fueron las siguientes: debe reforzarse la comunicación y la formación en conocimientos de los codificadores y el personal médico. La BIRNN se comparó con la red neuronal convolucional (CNN) y la red neuronal recurrente (RNN) en cuanto a exactitud, precisión de síntomas y recuerdo de síntomas, y sugirió que la BIRNN propuesta tiene un valor superior. La lectura del lenguaje patológico mediante algoritmos de inteligencia artificial resulta muy útil para el diagnóstico y el tratamiento de enfermedades.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:BIRNN, diagnóstico de enfermedades, sistema de conocimiento de la información EMR, red neuronal recurrente bidireccional, procesamiento del lenguaje natural, algoritmo de inteligencia artificial, red neuronal convolucional, historia clínica electrónica, principios del diagnóstico principal, selección del diagnóstico principal.
• Keywords:BIRNN, disease diagnosis, EMR information knowledge system, bidirectional recurrent neural network, Natural language processing, artificial intelligence algorithm, convolutional neural network, electronic medical record, main diagnosis principles, main diagnosis selection