（图文|周开银）11月11日，哈尔滨工业大学（深圳）智能计算研究中心常务副主任、中国中文信息学会理事、医疗健康与生物信息处理专委会主任陈清财应夏静波副教授邀请，来学院交流访问，并作了题为“Deep learning in Clinical NLP”的学术报告。

   报告中，陈清财教授从实践出发讲述了自己如何将深度学习技术应用到临床诊疗文本中做知识发现与提取。陈清财主要介绍了该团队近期3项工作。首先，报告介绍了从临床诊疗文本中提取不相连实体的创新方法。不相连实体在中文临床诊疗文本中相当常见，并且拥有很高利用价值，如何有效提高提取效果备受关注，该研究中，通过设计一套有效标签编码方式，巧妙解决了该任务的困境，并提高了提取效果。接着，报告介绍了团队在提取药物诱导疾病知识上的探索性研究。药物诱导疾病在临床应用中比较常见，也是医生较关注的重点，从海量文本中挖掘相关知识，并提供诊疗辅助将能有效提高用药安全。该工作设计了一套深度学习模型，并结合外部数据库，有效提高知识提取效果。最后报告介绍了如何利用叙述性病历来确定哪些患者符合临床试验选择标准，该工作首先设计13种判断标准，然后以此为依据从叙述性病历中提取信息，并通过一套流程确定最后该患者是否符合临床试验标准。这3个工作从不同角度展示了医疗健康领域自然语言处理技术正发挥正积极作用，并将为辅助诊疗的发展提供强有力技术支持。

   报告结束，听众积极提问：“RPCNN 模型最后部分是怎么实现的？病历信息如何有效提取？”陈清财教授分别从技术实践、理论依据角度给予详细解释，整个报告所有听众都收获颇丰。