暂列第一！Sinohealth-AI开放平台在CBLUE2.0榜单成功登顶

由中国中文信息学会医疗健康与生物信息处理专业委员会发起、阿里云天池平台承办的中文医疗信息处理挑战榜（CBLUE）自2021年4月起上线以来受到国内医疗AI研究同行的广泛关注。2022年1月，2.0榜单重磅上线。

该榜单是业界首个中文医疗信息领域公开评测基准。榜单覆盖的数据集遵循CC BY-NC-SA 4.0。

跟1.0榜单一样，CBLUE2.0榜单为可刷榜性质，意味着每天都会有同行高手前来“踢馆”刷榜，榜单分数排名也会根据每天评测结果而改变。

如果参赛团队在此类任务里一直排名靠前，代表其医学信息抽取实力得到中文医疗信息领域专家们的一致高度肯定，拥有阶段性领先优势。去年，Sino-Health AI开放平台在CBLUE1.0榜单中表现优秀，在一众同行强劲对手中名列前茅。

NLP属于人工智能的子领域， 其核心目的是使得计算机能够理解和生成人类的自然语言。所用到的技术包括命名实体识别、语义消歧、指代消解、词性标注、结构分析等。

利用NLP技术，将隐藏在文本中的知识挖掘出来， 对医学信息化、临床诊疗、医学研究等发展具有重要意义。

NLP技术研究方向的不同，在医疗领域所应用的场景都不同。主要分为以下几类：

1、医学信息抽取：

对医学文献或临床指南中的特定信息进行抽取，帮助医疗工作者进一步理解与实施，对医学知识网络构建、临床路径设计、随访管理等具有重要的意义。

2、医学文本分类：

将文本自动归入预先定义好的主题类别中，主要应用在自动索引、文本过滤、词义消歧和web文档分类等。

3、医疗决策支持系统：

在医学临床实践中，为提高工作效率及降低出错率，医疗决策系统应运而生，可以作为医务人员诊疗过程中的参考。

4、医学知识库搭建：

基于大量非结构化的文本信息通过NLP处理，搭建医学知识库，结构化存储医学知识，便于后续的NLP任务（问诊咨询、用药问答等）；

5、医疗信息问答：

基于自动问答的医学信息搜寻不仅对海量资源的有效利用具有重大意义，一定程度上可助缓解医患之间信息不对称问题，进而提高医疗资源利用率。

基于自动问答的任务完成系统还可以提高系统运行效率，降低成本。

Sinohealth AI开放平台基于强大的医学自然语言处理能力，构建标注平台、知识引擎、术语管理系统，对各大医疗工作者、科研工作者、数据处理工作者开放。

平台为医学知识服务、临床路径、随访管理、医学科研等多个应用场景提供一体化解决方案。