English(EN) Managing Map Cardinality in Automatic Disease Classification Mapping: Balancing Precision, Recall and Coverage

新的LLM方法提高了疾病分类映射的准确性

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-29 03:47

研究人员开发了一种新的疾病分类系统映射方法，解决了代码之间一对多关系带来的挑战。该方法借鉴了实体解析管道的思路，采用基于大型语言模型的阻塞和匹配策略来识别有效的映射。该方法旨在平衡精确率、召回率和覆盖率，在不同ICD版本对上均表现出性能提升。 AI

影响这项研究可以提高跨不同分类系统整合健康数据的准确性和效率。

排序理由该集群包含一篇详细介绍疾病分类映射新方法的学术论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.CL TIER_1 English(EN) · Santosh Purja Pun, Oliver Obst, Jim Basilakis, Jeewani Anupama Ginige · 2026-06-30 04:00

管理自动疾病分类映射中的地图基数：平衡精确率、召回率和覆盖率

arXiv:2606.29750v1 Announce Type: new Abstract: Automatic mapping between disease classification systems, such as the International Classification of Diseases (ICD), is a challenging yet essential task for integrating health data and conducting longitudinal data analysis. Existin…
arXiv cs.CL TIER_1 English(EN) · Jeewani Anupama Ginige · 2026-06-29 03:47

管理自动疾病分类映射中的地图基数：平衡精确率、召回率和覆盖率

Automatic mapping between disease classification systems, such as the International Classification of Diseases (ICD), is a challenging yet essential task for integrating health data and conducting longitudinal data analysis. Existing embedding-based methods primarily focus on \em…