基于机器学习的中文文本分类器辅助 SRMD 合理用药审查研究

为了弥补现有的合理用药机器审查多为基于可编码信息而忽略了非结构化的自然语言病历等信息，导致潜在的用药风险被遗漏的缺陷，本文提出并验证一种基于文本分类的机器学习框架，以自动识别病历中“预防性”与“非预防性”用药指征，进而辅助判断质子泵抑制剂（PPIs）预防性使用的合理性。