如何根据伤害的主观和客观记录提出治疗建议？

Question

数据集中有30k+历史损伤的主观记录和客观记录，每一条记录都有正确的处理数据，简化的历史数据集结构如下：

损伤主观注GP的客观注意事项治疗注意事项

我割伤了手指.伤口在流血.擦洗伤口用抗生素软膏治疗..。

骑自行车，前臂受伤，骨折.骨X光片，夹板，牙套，石膏，吊索.

现在，如何使用ML/AI在新的(输入)主客观注释的基础上建议(输出)治疗？想知道：

1. 哪种算法最适合？
2. 哪些工具/平台是好的候选人可供选择？
3. 是否有类似项目/用途的资源链接/页面可供借鉴？

Answer 1

关于生物医学文本数据的开发，特别是临床注释，目前正在进行大量的研究。我不是最新的整个领域(这是一个大的)，但让我概述几个可能的方向。

• 标准文本分类方法:将每一种可能的处理看作一个类，目标是为subjective+objective的每个实例预测正确的类(Es)。请注意，设计可以是标准的多类分类，也可以是多标签分类。所有的常规文本分类技术都可以使用，从传统的决策树方法到基于word/文本嵌入的DL方法。
• 序列序列方法:这里的原理是模型表示如何将输入序列(此处为subjective+objective注释)转换为输出序列(处理)。这类任务的标准示例是机器翻译，但此设计用于许多其他问题。
• 具有第三方本体的语义表示。这种方法依赖于现有的生物医学资源，特别是标准化词汇表，如网格和/或UMLS。一种是使用自动注释工具(例如cTakes)从subjective+objective注释中提取医学术语，治疗也可以用受控词汇表编码。通过为模型提供规范化的特性和类，这可以极大地简化模型的工作。一旦编码，这些数据可以在类似于第一种方法的分类设置中使用。

关于软件/数据资源:有很多，但据我所知，没有任何东西能完全满足你的需求。SciSpacy是一个用于处理生物医学数据的Python模块。有可用的数据集(如共享任务数据)，以及各种研究原型和资源。还请参阅这个答案，以获得指向各种生物医学资源的指针。