临床意图提取：FHIR 对齐表示和 CIRCA 基准

如今，未来的临床行动、后续行动、命令、转诊和指示决定了患者接下来会发生什么，这些都在不兼容的语料库中以细小的片段进行注释：每个片段都记录了一个文本范围和一个粗略类别。我们引入了临床意图提取 (CIE)，将这些操作恢复为完整的结构化记录的任务，以及临床意图表示 (CIR)，它将每个操作分解为其动词、类型、编码目标、时间和条件，并添加先前数据集不共同表示的两个轴：请求意图、操作背后的权威（建议、计划、命令或选项，与 HL7 FHIR 一致）以及模态（七值）临床实力规模。在 CIR 中重新表达五个异构语料库（CLIP、MedDec、ap_parsing、PaniniQA、SIMORD）会产生 CIRCA：跨越两个音符分布的 10,011 个协调意图，具有经过人工验证的子集、源到 CIR 交叉路口和确定性 FHIR R4 映射器。 CIRCA 由三模型共识构建，自动接受高度一致的意图，并将其余的路由到人工审核；经审计的协议层与人类决策的匹配率为 88.4%。对没有特定任务训练的五个现有模型进行基准测试，暴露了 CIRCA 目标的差距：给定跨度，它们很好地标记了类型（85% 到 91%），但只有 18% 到 35% 的时间正确地获得所有四个封闭字段。所有工件均已发布，并在 PhysioNet 凭证访问下将 MIMIC 衍生层共享为独立注释。