基于深度学习的医学信息抽取技术综述

来源：计算机工程与应用杂志2026年第14期北京时间：

作者：张梦冉, 魏国辉

单位：山东中医药大学 医学信息工程学院，济南 250355；

摘要：随着医学文本数据的持续积累与智能医疗需求的不断提升，医学信息抽取（MIE）技术在辅助临床诊疗、公共卫生监测与医学知识发现等方面发挥着日益重要的作用。深度学习技术凭借其强大的特征表示与自动学习能力，有效提升了命名实体识别（NER）、关系抽取（RE）与事件抽取（EE）等子任务的准确性和鲁棒性。结合医学文本的专业性与结构复杂性，系统梳理了近年来基于深度学习的MIE研究进展。明确了MIE任务的定义与基本流程，归纳了典型的任务类型与评价指标；从模型结构、技术路径与实际应用等角度出发，重点分析了各类深度神经网络在MIE中的应用特点与适用场景。最后，结合当前研究现状，探讨了现有方法的优势与不足，并对未来的发展趋势进行了展望，旨在为后续研究提供系统参考与理论支撑。

关键词：医学信息抽取（MIE）,命名实体识别（NER）,关系抽取（RE）,事件抽取（EE）

基金资助：国家自然科学基金（61702087）；山东省自然科学基金面上项目（ZR2022MH203）；山东省研究生优质教育教学资源项目（SDYKC2023044）；山东中医药大学教育教学研究课题（实验教学专项）（SYJX2022013）。