核心概念
本文提出了一種名為 AutoCodeDL 的新方法,該方法結合了字典學習和標籤注意力機制,以提高醫學編碼語言模型的可解釋性,並解決自動化醫療決策中對透明度日益增長的需求。
標題:超越標籤注意力:透過字典學習實現自動醫學編碼語言模型的透明度
作者:John Wu, David Wu, Jimeng Sun
機構:伊利諾大學厄巴納-香檳分校,范德堡大學
本研究旨在解決醫學編碼語言模型 (LLM) 中缺乏透明度的問題,特別是在自動分配國際疾病分類 (ICD) 代碼方面。目標是開發一種可解釋的方法,以闡明 LLM 預測背後的推理過程,從而提高患者和醫療保健專業人員的信任度。