临床NLP是医疗领域AI最高价值的应用之一。准备临床NLP训练数据首先是合规问题,然后才是技术问题。
临床NLP模型做什么
ICD和CPT编码。 从临床文档中自动提取计费代码。
临床命名实体识别 (NER)。 识别和提取特定实体类型:诊断、药物、程序、实验室结果。
药物NER。 提取药物名称、剂量、频率、给药途径和状态。
谁应该标注临床NLP数据
临床NLP标注需要临床知识。应该标注数据的人是临床医生:医生、护士、药剂师和医疗编码员。
标注工具需要对没有技术背景的领域专家可操作,零设置。
HIPAA合规管道
六个阶段,每个阶段都必须在本地运行:
- 数据提取:从EHR系统提取
- PHI脱敏:在标注开始前自动检测和脱敏
- 标注模式设计:在标注前编写指南
- 临床标注:去标识化文档分发给临床标注人员
- 质量审查:标注一致性审查
- JSONL导出:批准的标注导出为训练格式
现有工具的不足
Label Studio需要Docker部署。云标注服务明确不适用于PHI。Prodigy是Python命令行应用。
差距在于一个本地优先、零设置的标注应用,临床标注人员可以直接操作。

