任务介绍
随着“互联网+医疗”的迅速发展，在线问诊平台逐渐兴起，在线问诊是指医生通过对话和患者进行病情的交流、 疾病的诊断并且提供相关的医疗建议。在政策和疫情的影响之下，在线问诊需求增长迅速。然而医生资源是稀缺的， 由此促使了自动化医疗问诊的发展，以人机对话来辅助问诊过程。
本次智能对话诊疗评测设置3个赛道。第一赛段，发布超过2000组医患对话案例样本，覆盖4种儿科疾病。第二赛段，新增2种疾病共超过800组对话。各赛道数据的具体格式请参考数据样例。
医患对话理解旨在对问诊文本信息进行信息抽取，主要包括两个任务，分别是命名实体识别和症状检查识别。
- 任务1：命名实体识别。从医患对话文本中识别出五类重要的医疗相关实体。
- 任务2：症状识别。根据医患对话文本，识别出病人具有的症状信息。
医疗报告自动生成旨在对问诊过程中进行信息的总结，任务要求参赛团队能依据病人自述和医患对话， 输出具有规定格式的医疗报告。报告需要包含6个部分：主诉、现病史、辅助检查、既往史、诊断和建议。
- 任务1：医疗报告生成。依据病人自述和医患对话，输出具有规定格式的医疗报告。
就诊过程是一个带有目的的序列化医生-患者交互的过程。智能化医疗诊断是任务型对话系统的重点研究方向。
- 任务1：面向自动诊疗的对话系统。要求参赛系统根据给出的显性信息 （病人自诉中提及的症状），与病人模拟器进行互动以获取更多病人的症状，依据交互内容判断疾病。
本赛道的数据集超过2000个样本，每个样本包含疾病类别、病人自诉文本、直接信息 （病人自诉中明确提及的实体信息、症状）、隐藏信息（结合整段医患对话得到的实体及标签，表示患者是否已经有该症状）。
重要日期
致谢
感谢默克公司对本次比赛的赞助，感谢并行科技为本次比赛提供计算资源赞助。
感谢中山医院姚璐老师对于数据标注框架设计提供的专业指导建议。感谢陈伟，钟宗烨，王静致远， 葛羽，王亚丽，温惠梅，司若琰等同学参与数据标注过程。
赞助方
主要合作方
计算资源赞助
参考文献
- Qianlong Liu, Zhongyu Wei, Baolin Peng, Xiangying Dai, Huaixiao Tou, Ting Chen, Xuanjing Huang, Kam-fai Wong. Task-oriented dialogue system for automatic diagnosis[C]. ACL 2018.
- Xinzhu Lin, Xiahui He, Qin Chen, Huaixiao Tou, Ting Chen, Zhongyu Wei. Enhancing dialogue symptom diagnosis with global attention and symptom graph[C]. EMNLP 2019.
- Kangenbei Liao, Qianlong Liu, Zhongyu Wei, Baolin Peng, Qin Chen, Weijian Sun, Xuanjing Huang. Task-oriented Dialogue System for Automatic Disease Diagnosis via Hierarchical Reinforcement Learning[J]. arXiv preprint arXiv:2004.14254, 2020.
- Yu-Shao Peng, Kai-Fu Tang, Hsuan-Tien Lin, Edward Chang. REFUEL: Exploring Sparse Features in Deep Reinforcement Learning for Fast Disease Diagnosis[C]. NIPS 2018.