English(EN) Bridging the Version Gap: Multi-version Training Improves ICD Code Prediction, Especially for Rare Codes

多版本训练提高罕见ICD编码预测准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-18 02:19

研究人员开发了一种多版本训练方法，以提高自动化临床编码的准确性，特别是对于罕见的医疗编码。通过整合不同版本的国际疾病分类（ICD）数据，如ICD-9和ICD-10，该模型表现出显著的性能提升。该方法解决了编码系统不断演变以及罕见编码预测中的长尾问题，从而以更少的模型参数实现了整体指标的改善。 AI

影响提高了临床编码的准确性，有望简化管理任务并改善罕见编码的识别。

排序理由详细介绍一种改进临床编码预测新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Anthony Nguyen · 2026-05-18 02:19

Bridging the Version Gap: Multi-version Training Improves ICD Code Prediction, Especially for Rare Codes

Clinical coding maps clinical documentation to standardized medical codes, an essential yet time-consuming administrative task that could benefit from automation. Current models on ICD coding are typically optimized for codes from a specific ICD version. However, in reality, ICD …