大模型对比学习框架

长尾编码显著提升

利用大模型生成同义描述并结合对比学习，有效解决医疗编码中的长尾标签问题，提升少样本编码预测性能。

Wu, Yuzhou · Jin, Zhang · 陈雪晨 · 姚鑫 · 陈志刚

Expert Systems with Applications 2025

技术优势

长尾编码预测更准

利用大模型生成的同义描述扩充编码表示，并通过对比学习使模型能更好区分相似编码，显著提升少样本编码预测性能。

长文本处理不截断

采用ClinicalBERT作为临床文本编码器，并通过split pooling对长文本分段池化，突破输入长度限制。

应用场景

• 医疗编码预测：自动为病历分配ICD编码，大幅减轻编码员负担。
• 电子健康记录分析：从电子病历中直接提取标准化分类信息，支持大规模数据分析。
• 临床决策支持：提供实时编码建议，辅助临床决策和病历质控。