改善医疗保健与自然语言处理:对未来的挑战和机遇

深度学习的进步,自然语言处理,信息检索使用电子健康记录(EHRs)的数据显示伟大的承诺改善我们的整体医学和卫生保健知识。这些技术允许一个迄今为止前所未有的分析和非结构化大数据集,否则是棘手的。这允许进步如发现相关模式和集群数据,预测治疗适用性和结果,或识别异常值和医疗差距。人工智能时拥有更大的潜力发展的临床决策支持系统来帮助在未来几年。

本研究主题邀请新的贡献自然语言处理和信息检索领域的使用文本数据检索电子医疗纪录或其他医疗数据来源应用于医疗和医学的进步。这部小说的主要目的是收集方法,转化在临床试验中使用的例子,以及识别的优点和缺点在这些领域的人工智能。

我们欢迎提交的原始研究,系统评价方法,临床试验,病例报告,数据报告和简短的研究报告解决开发、改进,或使用方法或算法的例子包括但不限于:

——自然语言处理技术应用于EHR笔记或其他形式的文本数据
——在EHR信息检索技术或其他文本的医疗数据
——其他的电子健康档案数据挖掘方法和潜在的用途
-多通道深度学习在医学/医疗保健
——抽象总结EHR非结构化数据和潜在的用途
——其他形式的数据分析的文本获得电子医疗纪录或其他医疗数据来源

关键字:人工智能、自然语言处理、信息检索、数据挖掘、电子健康记录

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。