摘要

我们提出了一种高效、适用于生产环境的临床与生物医学命名实体识别（Named Entity Recognition, NER）算法，该算法基于在 Apache Spark 平台之上构建的改进型 BiLSTM-CNN-Char 深度学习架构。本研究实现的 NER 模型在 8 个知名生物医学 NER 基准测试中的 7 个以及 3 个临床概念抽取挑战任务中达到了新的最先进（state-of-the-art）准确率，具体包括：2010 年 i2b2/VA 临床概念抽取、2014 年 n2c2 去标识化任务，以及 2018 年 n2c2 药物抽取任务。此外，使用该实现训练的临床 NER 模型在准确率上显著优于主流商业实体抽取解决方案——AWS Medical Comprehend 和 Google Cloud Healthcare API，分别高出 8.9% 和 6.7%，且无需依赖资源密集型的语言模型。