區(qū)域醫(yī)療健康平臺中檢驗(yàn)檢查指標(biāo)的標(biāo)準(zhǔn)化算法

張佳影 王 祺 張知行 阮 彤 張歡歡 何 萍

1(華東理工大學(xué)信息科學(xué)與工程學(xué)院 上海 200237)2(上海申康醫(yī)院發(fā)展中心 上海 200041)

隨著醫(yī)療信息化的不斷深入，國內(nèi)外在現(xiàn)有醫(yī)療體系之上相繼建立起了區(qū)域醫(yī)療健康平臺.以上海市為例，隨著上海市醫(yī)聯(lián)工程項(xiàng)目在2008年3月正式投入使用，上海市建成了包括市內(nèi)38家三級醫(yī)院的臨床診療信息共享平臺，實(shí)現(xiàn)了對患者的基本信息、基本病歷資料、住院病案資料、醫(yī)囑資料、醫(yī)療費(fèi)用資料、實(shí)驗(yàn)室檢驗(yàn)檢查報告、醫(yī)學(xué)影像檢查報告的交換共享，并通過網(wǎng)站等其他輔助系統(tǒng)加強(qiáng)各醫(yī)院間的協(xié)同診療.然而，由于歷史原因，各家醫(yī)院關(guān)于同一檢驗(yàn)檢查指標(biāo)的稱謂不盡相同.僅以“血清鈉”為例，便有“鈉離子濃度”、“NA+”、“動脈血鈉”、“血鈉(Na)”等10多種不同說法.由于目前并沒有完整可用的指標(biāo)同義詞庫以進(jìn)行指標(biāo)映射，這一問題已嚴(yán)重影響到了區(qū)域間醫(yī)療信息的互聯(lián)共享.由此，對區(qū)域醫(yī)療健康平臺中檢驗(yàn)檢查指標(biāo)做標(biāo)準(zhǔn)化處理，將各家醫(yī)院的同一指標(biāo)的不同稱謂映射成統(tǒng)一的標(biāo)準(zhǔn)名稱，便至關(guān)重要.然而，由于檢驗(yàn)檢查指標(biāo)涉及到大量的醫(yī)學(xué)知識，加之各家醫(yī)院的指標(biāo)體系紛繁龐雜，由醫(yī)學(xué)專業(yè)人員對其進(jìn)行人工標(biāo)準(zhǔn)化，需要耗費(fèi)大量的時間與精力.因此，如何設(shè)計(jì)一個檢驗(yàn)檢查指標(biāo)的標(biāo)準(zhǔn)化算法，便成了關(guān)鍵所在.

檢驗(yàn)檢查指標(biāo)的標(biāo)準(zhǔn)化問題，可以看作是一個實(shí)體對齊問題，即將醫(yī)療健康平臺中的候選指標(biāo)映射到標(biāo)準(zhǔn)指標(biāo)上.關(guān)于實(shí)體對齊，目前主要有2類任務(wù)，分別是不同知識庫中實(shí)體間的實(shí)例匹配[1-2]，以及文本中實(shí)體和知識庫實(shí)體之間的實(shí)體鏈接[3-4].前者常利用知識庫中實(shí)體的屬性信息進(jìn)行實(shí)例匹配，后者常利用文本中實(shí)體的上下文信息與知識庫中實(shí)體的屬性信息進(jìn)行實(shí)體鏈接.然而，本文的任務(wù)與以上2種任務(wù)都不同：檢驗(yàn)檢查指標(biāo)存在于電子病歷之中，只有相應(yīng)的取值及取值范圍，而不存在屬性信息；同時，它也不似文本中實(shí)體那般擁有上下文信息；更重要的是，本文任務(wù)中并不存在一個標(biāo)準(zhǔn)知識庫來提供所有指標(biāo)的標(biāo)準(zhǔn)名稱.也就是說，目前的方法都難以直接適用于本任務(wù).

有鑒于此，針對區(qū)域醫(yī)療健康平臺中的檢驗(yàn)檢查指標(biāo)標(biāo)準(zhǔn)化問題，本文提出了一種指標(biāo)標(biāo)準(zhǔn)化算法框架.首先對指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理；接著通過基于密度的聚類算法，將不同的指標(biāo)聚為多個簇，以縮小指標(biāo)的對齊范圍；然后，迭代地利用二分類算法查找簇內(nèi)篩選出的標(biāo)準(zhǔn)名稱的同義指標(biāo)；最后，對指標(biāo)對齊結(jié)果進(jìn)行映射與修正.實(shí)驗(yàn)結(jié)果表明，在上海市8家三級醫(yī)院的實(shí)驗(yàn)數(shù)據(jù)集上，最終的二分類映射算法F1-score可以達(dá)到85.27%.

1 相關(guān)工作

目前的實(shí)體對齊任務(wù)基本可以分為實(shí)例匹配和實(shí)體鏈接2類.

許多研究聚焦于知識庫實(shí)體間的實(shí)例匹配，這些研究利用知識庫中實(shí)體的屬性信息進(jìn)行匹配，它們基本可以分為2類，分別是成對實(shí)體匹配方法和集體實(shí)體匹配方法.成對實(shí)體匹配方法主要有基于傳統(tǒng)概率模型的方法、有監(jiān)督學(xué)習(xí)的方法、聚類方法和主動學(xué)習(xí)方法.傳統(tǒng)概率模型方法根據(jù)屬性相似性進(jìn)行成對實(shí)體比較[5-7]，有監(jiān)督學(xué)習(xí)方法常使用決策樹[1,8]、支持向量機(jī)[9-10]、集成學(xué)習(xí)[11-12]等方法進(jìn)行二分類，聚類方法利用屬性相似性進(jìn)行實(shí)體聚類[13-15]，主動學(xué)習(xí)方法通過人機(jī)交互不斷迭代來訓(xùn)練分類模型[16-18].集體實(shí)體匹配方法則將實(shí)體的關(guān)聯(lián)實(shí)體也納入考慮，常見的方法有LDA方法[19-20]、CRF模型[21-22]、Markov邏輯網(wǎng)[23-24]等.

就文本中實(shí)體與知識庫實(shí)體間的實(shí)體鏈接而言，主要有基于概率生成模型的方法[3,25]、基于主題模型的方法[4,26]、基于圖的方法[27- 30]和基于深度神經(jīng)網(wǎng)絡(luò)的方法[31- 34].

2 指標(biāo)標(biāo)準(zhǔn)化算法

指標(biāo)標(biāo)準(zhǔn)化算法的整體流程如圖1所示.首先，對指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，實(shí)現(xiàn)大小寫統(tǒng)一、單位統(tǒng)一和指標(biāo)參考值提取.接著，利用指標(biāo)的字面特征，通過基于密度的聚類算法，將不同的指標(biāo)聚為一個個指標(biāo)簇，以縮小指標(biāo)的對齊范圍.然后，為每一個簇確定一個標(biāo)準(zhǔn)名稱，并利用二分類算法找出簇內(nèi)標(biāo)準(zhǔn)名稱的同義指標(biāo)進(jìn)行指標(biāo)映射.對于剩下非同義指標(biāo)，從中篩選出一個新的標(biāo)準(zhǔn)名稱，繼續(xù)利用二分類算法進(jìn)行同義指標(biāo)的查找(1)實(shí)際操作中選填項(xiàng)一般無數(shù)據(jù)填入.如“LOINC編碼”字段是幫助識別是否是同一個指標(biāo)的重要特征，然而由于是選填項(xiàng)，實(shí)際上沒有任何數(shù)據(jù)填入.，如此迭代進(jìn)行，直到所有簇內(nèi)均為同義指標(biāo)或簇內(nèi)只剩1個指標(biāo)為止.最后，再由醫(yī)學(xué)專業(yè)人員對指標(biāo)對齊結(jié)果進(jìn)行修正處理.

Fig. 1 Overall process of indicator standardization algorithm圖1 指標(biāo)標(biāo)準(zhǔn)化算法整體流程

2.1 數(shù)據(jù)預(yù)處理

病歷中的指標(biāo)數(shù)據(jù)，排除選填項(xiàng)(2)當(dāng)然也可以對所有的非同義指標(biāo)重新進(jìn)行聚類，如此迭代進(jìn)行.只是在實(shí)際應(yīng)用時考慮到38家醫(yī)院的不同指標(biāo)太多，聚類的時間成本很高，本文作為區(qū)域醫(yī)療健康平臺中檢驗(yàn)檢查指標(biāo)的標(biāo)準(zhǔn)化算法的初步嘗試，暫且迭代使用二分類算法進(jìn)行標(biāo)準(zhǔn)化.，必填項(xiàng)中主要包括指標(biāo)名稱、縮寫、參考值、單位、所屬檢查項(xiàng)、檢查指標(biāo)結(jié)果、異常指標(biāo)提示等字段.其中，所屬檢查項(xiàng)因各家醫(yī)院標(biāo)準(zhǔn)不一、檢查指標(biāo)結(jié)果因其取值因病人而異、異常指標(biāo)提示因不具有指標(biāo)區(qū)分度而失去作為指標(biāo)標(biāo)準(zhǔn)化特征的意義.因此，可用的字段基本僅限于指標(biāo)名稱、縮寫、參考值和單位這4項(xiàng).對指標(biāo)進(jìn)行數(shù)據(jù)預(yù)處理，主要是統(tǒng)一指標(biāo)大小寫、統(tǒng)一指標(biāo)單位，以及提取指標(biāo)參考值.

2.2 指標(biāo)聚類

為縮小指標(biāo)的對齊范圍，本文使用基于密度的聚類算法，將不同的指標(biāo)聚到一個個指標(biāo)簇中.基于密度的聚類算法依據(jù)樣本分布的緊密程度來劃分簇，它主要考察樣本的可連接性，并在可連接樣本的基礎(chǔ)上通過不斷擴(kuò)展聚類簇來獲得最終結(jié)果.

定義1.ε-鄰域.對于xi∈D,它的ε-鄰域?yàn)閿?shù)據(jù)集D中與xi的距離不大于ε的所有樣本，即Nε(xi)={xi∈D|dist(xi,xj)≤ε}.

定義2.核心對象.如果xi的ε-鄰域內(nèi)至少包含minPts個樣本，即|Nε(xi)|≥minPts，那么xi是一個核心對象.

(1)

(2)

(3)

聚類算法從核心對象出發(fā)，不斷向外擴(kuò)展，進(jìn)而生成聚類簇，其偽代碼如算法1所示.

算法 1.基于密度的聚類算法.

輸入: 指標(biāo)集合D={x1,x2,…,xn}、領(lǐng)域參數(shù)ε,minPts;

輸出：簇劃分C={C1,C2,…,Cm}.

① https://baike.baidu.com/② http://fanyi.baidu.com/

③ http://fanyi.qq.com/ ④ http://www.iciba.com/

① 初始化核心對象集合T=?;

② forxi∈Ddo

③ 確定指標(biāo)xi的ε-鄰域Nε(xi);

④ if |Nε(xi)|≥minPtsthen

⑤ 將指標(biāo)xi加入核心對象集合T=T∪{xi};

⑥ end if

⑦ end for

⑧ 初始化聚類簇數(shù)k=0,簇集合C=?,未訪問的指標(biāo)集合P=D;

⑨ whileT≠? do

⑩ 記錄當(dāng)前未訪問指標(biāo)集合P′=P;

需要注意的是，由于聚類是一個無監(jiān)督的學(xué)習(xí)過程，它可能存在2個問題：

1) 聚為一簇的指標(biāo)實(shí)際上醫(yī)學(xué)含義不同，卻因?yàn)槊Q相近或縮寫相似而被歸為一簇；

2) 有些離群值既不是核心對象，又不能通過核心對象訪問，因而沒有被聚類.因此，需要對聚類結(jié)果進(jìn)行后處理.

① 單位驗(yàn)證.假設(shè)同義指標(biāo)的單位是相同的，那么可以對每一簇指標(biāo)進(jìn)行單位驗(yàn)證，將不同單位的指標(biāo)分離為不同的簇.

② 離群值推薦.對于未被聚類的離群值，有2種處理方案，第1種是按距離遠(yuǎn)近，將離群值分到單位相符且距離最近的那一簇中；第2種是考慮到離群值與其他簇都距離較遠(yuǎn)，很可能它本身就是一個全新的指標(biāo).本文采用第2種處理方案.

2.3 簇內(nèi)二分類

即使經(jīng)過后處理，無監(jiān)督聚類算法也無法保證簇內(nèi)的指標(biāo)皆為同義指標(biāo).因此，本文為每一個簇確定一個標(biāo)準(zhǔn)名稱，并利用二分類算法將簇內(nèi)指標(biāo)劃分為標(biāo)準(zhǔn)名稱的同義指標(biāo)和非同義指標(biāo)2類.特別地，為方便醫(yī)學(xué)專業(yè)人員對指標(biāo)對齊結(jié)果進(jìn)行后處理修正，考慮到標(biāo)準(zhǔn)指標(biāo)應(yīng)為最常用的指標(biāo)，本文以簇內(nèi)出現(xiàn)頻次最多的指標(biāo)為標(biāo)準(zhǔn)指標(biāo).

2.3.1 數(shù)據(jù)增強(qiáng)

由于醫(yī)學(xué)專業(yè)人員很難憑空枚舉出所有的同義指標(biāo)，加上有些指標(biāo)可能會有與名稱毫無聯(lián)系的同義詞(如“B型鈉尿肽”和“腦鈉素”)，因此在數(shù)據(jù)集生成方面，除由醫(yī)學(xué)專業(yè)人員手動標(biāo)注部分同義指標(biāo)用于分類器訓(xùn)練之外，本文還利用SNOMED CT知識庫[36]、LOINC知識庫[37]、百度百科①等途徑來抽取標(biāo)準(zhǔn)指標(biāo)的同義詞用于訓(xùn)練.其中，SNOMED CT知識庫為全英文庫，目前并無中文版本，因此需要借助百度翻譯②、騰訊翻譯③、愛詞霸翻譯④等翻譯工具將英文指標(biāo)翻譯為中文指標(biāo).需要注意的是，即使對同一個指標(biāo)，翻譯工具也有可能會得到不同的翻譯結(jié)果，因此翻譯本身也是獲取同義詞的途徑之一.表1給出了“B型鈉尿肽”經(jīng)數(shù)據(jù)增強(qiáng)后的同義指標(biāo)示例.

Table 1 An Example of the Synonymous Indicators表1 同義指標(biāo)示例

2.3.2 特征抽取

本文設(shè)計(jì)了2類特征用于指標(biāo)的二分類，分別是相似度特征和分塊打分特征.

1) 相似度特征

這類特征主要考慮了簇中每一個候選指標(biāo)與標(biāo)準(zhǔn)指標(biāo)及其所有同義詞的名稱相似度和縮寫相似度.

① 最長公共子序列相似度

② Jaccard相似度

這個相似度可以判定名稱順序不同的指標(biāo)，比如“B型利鈉肽”和“利鈉肽B型”的Jaccard相似度為1.

③ 余弦相似度

④ 編輯相似度

2) 基于一對多字段的分塊打分特征

分塊打分特征主要是針對指標(biāo)參考值這種一對多的字段而言.對于指標(biāo)參考值來說，由于不同醫(yī)院對同一個指標(biāo)，在參考值的上下界設(shè)置上有時會略有不同，因此實(shí)踐中存在著一個指標(biāo)名稱對應(yīng)多個參考值的現(xiàn)象.為應(yīng)對這一問題，本文參考文獻(xiàn)[38]中的知識庫實(shí)體對齊分塊算法，提出基于參考值的指標(biāo)分塊打分算法.指標(biāo)分塊打分算法基于2個假設(shè)：①相同的指標(biāo)擁有相似的參考值；②擁有相似參考值的可能就是同一個指標(biāo).因此，本文的分塊打分算法由2部分組成：首先，為標(biāo)準(zhǔn)指標(biāo)的每一種參考值尋找一個與之最相似的候選指標(biāo)參考值；然后，從這些最相似的參考值出發(fā)，構(gòu)建候選指標(biāo)與標(biāo)準(zhǔn)指標(biāo)之間的匹配分塊.需要注意的是，由于同一個指標(biāo)可能有多種參考值，算法允許同一個指標(biāo)出現(xiàn)在不同的塊中.本文根據(jù)不同塊的權(quán)重求出候選指標(biāo)的加權(quán)平均得分，以此作為分類特征.

Fig. 2 A schematic diagram about how to calculate similarity of reference value pairs圖2 參考值對相似度計(jì)算示意圖

綜上，我們得到了每個指標(biāo)基于參考值的分塊打分特征.

2.4 重定義簇

簇內(nèi)二分類將簇內(nèi)指標(biāo)劃分為標(biāo)準(zhǔn)指標(biāo)的同義指標(biāo)與非同義指標(biāo).針對非同義指標(biāo)，本文將其單獨(dú)取出作為一個新的簇，并從中篩選出一個新的標(biāo)準(zhǔn)名稱，繼續(xù)利用二分類算法進(jìn)行同義指標(biāo)的查找，如此迭代進(jìn)行，直到所有簇內(nèi)均為同義指標(biāo)或簇內(nèi)只剩1個指標(biāo)為止.

2.5 指標(biāo)映射與修正

到此階段，指標(biāo)標(biāo)準(zhǔn)化算法已進(jìn)入尾聲，只需把簇內(nèi)的同義指標(biāo)統(tǒng)一映射為對應(yīng)的標(biāo)準(zhǔn)指標(biāo)，并交由醫(yī)學(xué)專業(yè)人員對指標(biāo)的對齊結(jié)果進(jìn)行核驗(yàn)與修正.特別地，聚類過程中可能會把同義的指標(biāo)分到不同的簇中，二分類過程把簇中非同義指標(biāo)剔除出來后，人工核驗(yàn)時還需對同義的簇進(jìn)行合并.

3 實(shí)驗(yàn)結(jié)果與分析

3.1 數(shù)據(jù)集

本文從上海臨床診療信息共享平臺中抽取指標(biāo)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn).在指標(biāo)數(shù)據(jù)的抽取過程中，本文考慮了2個因素：1)指標(biāo)的種類要豐富，否則無法模擬實(shí)際應(yīng)用場景；2)同義指標(biāo)的名稱要多樣化，否則指標(biāo)的標(biāo)準(zhǔn)化沒有意義.因此，本文以醫(yī)院為單位，抽取其中所有的指標(biāo)，保證了豐富性；同時選取了不同指標(biāo)名稱最多的前8家醫(yī)院，以滿足多樣性.這8家醫(yī)院的不同指標(biāo)名稱數(shù)量分別為：1 404，1 243，1 098，1 010，992，958，921，849，合并去重后共有5 211個不同指標(biāo)名稱.在擴(kuò)充了這些指標(biāo)名稱的縮寫字段之后，不同的記錄數(shù)為7 542條；在擴(kuò)充了這些指標(biāo)名稱的縮寫和參考值字段之后，不同的記錄數(shù)達(dá)到了12 750條.在聚類實(shí)驗(yàn)部分，本文選擇了236條數(shù)據(jù)進(jìn)行評測.在二分類實(shí)驗(yàn)部分，本文以正負(fù)例1∶1的比例進(jìn)行采樣，并將采樣結(jié)果按7∶3的比例劃分為訓(xùn)練集和測試集，最終得到947條訓(xùn)練樣本和406條測試樣本.本文另外選取了100個正例和100負(fù)例作為驗(yàn)證集.

3.2 實(shí)驗(yàn)設(shè)置

本文通過在驗(yàn)證集上網(wǎng)格搜索，采用參數(shù)minPts=3，ε=0.35，閾值θ=0.7，α=0.6進(jìn)行實(shí)驗(yàn)，選取梯度上升決策樹(gradient boosting decision tree, GBDT)作為最終的二分類模型，并使用Precision，Recall，F(xiàn)1-score來評價聚類和二分類的效果.

3.3 實(shí)驗(yàn)結(jié)果

3.3.1 聚類算法對比實(shí)驗(yàn)

為了考察本文所使用的基于密度的聚類算法DBSCAN的有效性，本文選取了4種常見的聚類算法進(jìn)行對比，它們分別是k均值聚類(k-means clustering,k-means)、均值漂移聚類(mean shift clustering, Meanshift)、高斯混合模型(Gaussian mixture model, GMM)與凝聚層次聚類(agglo-merative hierarchical clustering, AHC).需要注意的是，由于這4種基準(zhǔn)算法除高斯混合模型外都需要事先定義簇數(shù)(而本文算法不需要)，在實(shí)驗(yàn)時本文將它們的聚類數(shù)目設(shè)為真實(shí)的簇數(shù).實(shí)驗(yàn)結(jié)果如表2所示:

Table 2 Comparisons of Our Method and Common Clustering Methods表2 不同聚類算法的性能對比 %

Note: The best results are in bold.

從表2可以看出，本文基于密度的聚類算法的F1-score明顯高于其他4種聚類算法，其提高幅度均在10%以上.然而，雖然本文方法的Recall能達(dá)到91.36%，但Precision仍然不是很高，這也顯示了本文在聚類后進(jìn)一步進(jìn)行二分類映射的必要性.

3.3.2 二分類算法對比實(shí)驗(yàn)

1) 不同分類特征和不同分類器的對比

為了考察不同分類特征和不同分類器對分類性能的影響，本文選擇不同的特征組合，將它們在邏輯回歸(logistic regression, LR)、樸素貝葉斯(naive Bayes，NB)、k近鄰(k-nearest neighbor, kNN)、支持向量機(jī)(support vector machine, SVM)、隨機(jī)森林(random forest, RF)、梯度上升決策樹(GBDT)等不同分類器下的F1-score進(jìn)行對比.實(shí)驗(yàn)結(jié)果如表3所示，其中特征字段的名稱(name)、縮寫(abbreviation, Abbr.)和參考值(reference value, Ref.)分別表示名稱相似度特征、縮寫相似度特征和參考值分塊打分特征.

從表3可以看出，當(dāng)使用名稱相似度特征、縮寫相似度特征和參考值分塊打分特征，輔以GBDT分類器時，分類效果最好，其F1值可達(dá)85.27%.從表3中橫向來看，無論使用哪種特征，大部分情況下都是GBDT分類效果最好，而NB分類效果最差.這是因?yàn)镚BDT使用Boosting方法進(jìn)行集成學(xué)習(xí)，能夠有效提高泛化性能，而NB分類器的條件獨(dú)立假設(shè)在本文中很難成立.從表3中縱向來看，無論哪種分類器，基本都是隨著特征數(shù)目的增多，分類效果越來越好，當(dāng)使用全部3類分類特征時，分類效果達(dá)到最好.

Table 3 Comparisons of Different Classification Features and Different Classifiers表3 不同分類算法的性能對比 %

Note: The best result is in bold.

2) 與現(xiàn)有方法的對比

本文從最近3年來發(fā)表的實(shí)體對齊方法中選擇了3種state-of-the-art方法，與本文所使用的全部3類特征輔以GBDT分類器的二分類方法進(jìn)行對比，這3種基準(zhǔn)方法分別是：

① 知識圖譜融合方法(KG fusion).Wang等人[39]設(shè)計(jì)不同類型的屬性相似度，使用機(jī)器學(xué)習(xí)方法進(jìn)行多源知識圖譜的融合.

② 診斷對齊方法(Diag. alignment).Ning等人[40]利用診斷的上下位信息和屬性相似度將中文診斷映射為ICD編碼.

③ 知識庫對齊方法(KB alignment).王雪鵬等人[41]利用網(wǎng)絡(luò)語義標(biāo)簽進(jìn)行多元知識庫的實(shí)體對齊.

需要注意的是，由于本文任務(wù)中既沒有屬性信息，又沒有上下文信息，所以在實(shí)際實(shí)驗(yàn)中3種基準(zhǔn)方法的部分特征沒法使用，而主要使用了其中的實(shí)體名稱和縮寫的相似度計(jì)算方法.

與現(xiàn)有方法的對比實(shí)驗(yàn)結(jié)果如表4所示:

Table 4 Performance Comparison of Entity Alignment表4 與現(xiàn)有方法的對比 %

Note: The best results are in bold.

從表4可以看出，本文方法在所有方法中取得了最好的分類結(jié)果，其Precision，Recall，F(xiàn)1-score分別為86.84%，83.76%，85.27%.值得注意的是，對比表3最后1列，當(dāng)使用GBDT分類器時，本文方法的任意2類特征組合的F1-score都比現(xiàn)有方法來得好.這是因?yàn)楸疚牡乃惴▽ｉT針對檢驗(yàn)檢測指標(biāo)進(jìn)行設(shè)計(jì)，因而能取得更好的效果.

4 結(jié) 論

本文針對區(qū)域醫(yī)療健康平臺中的檢驗(yàn)檢查指標(biāo)標(biāo)準(zhǔn)化，先根據(jù)指標(biāo)的字面特征進(jìn)行聚類，再使用相似度特征和分塊打分特征迭代地進(jìn)行二分類映射.實(shí)驗(yàn)表明，最終的二分類映射，其F1-score可以達(dá)到85.27%，優(yōu)于現(xiàn)有方法.在未來，可以將指標(biāo)的同義詞信息及參考值信息應(yīng)用到聚類算法之中，并嘗試使用更多的相似性度量特征，以獲得更好的結(jié)果.

致謝感謝上海中醫(yī)藥大學(xué)的張海濤同學(xué)和上海信醫(yī)科技有限公司的王俊同學(xué)在數(shù)據(jù)集標(biāo)注上提供的幫助!