中国健康信息处理大会（CHIP2023）征稿通知

第九届中国健康信息处理会议（CHIP2023）是中国中文信息学会（CIPS）医疗健康与生物信息处理专业委员会主办的关于医疗、健康和生物信息处理和数据挖掘等技术的年度会议，是中国健康信息处理领域最重要的学术会议之一。会议聚焦“大模型与智能医疗健康”，聚集全国顶尖的医学信息处理学者与医疗专家，共同探讨大模型时代下的智慧医疗健康发展的趋势与挑战，人工智能医疗应用落地新路径和医学研究新方法。2023年中国健康信息处理大会（官网链接为： http://cips-chip.org.cn/2023 ）将于2023年10月27-29日在浙江杭州举行。

中国健康信息处理大会自2018年以来，每年均接受论文投稿。 录用文章转到SCI检索期刊（Health Information Science and Systems、JMIR Medical Informatics、Bioengineering等），并组织健康医疗信息技术相关评测。CHIP2023发布5项评测任务，CHIP-PromptCBLUE医疗大模型评测任务、中文医学文本小样本命名实体识别评测任务、药品纸质文档识别与实体关系抽取任务、CHIP-YIER医疗大模型评测任务、医疗文献PICOS识别任务。届时，在评测中取得优异成绩的队伍将被邀请在会议评测环节进行报告并颁奖。会议也会提供官方获奖证书，各个任务有一定额度的奖金奖励。此外，评测获奖团队也将受邀撰写技术论文，并由专委会指导发表在中文核心期刊。欢迎相关领域的研究者参与评测竞赛。

论文投稿说明：

投稿地址： https://easychair.org/conferences/?conf=chip2023

投稿截止日期： 2023年9月20日

录用通知： 2023年10月15日

终稿提交： 2023年10月20日

论文模板（中文，使用中文信息学报模板）： http://jcip.cipsc.org.cn/

论文模板（英文，Word/Latex）： https://www.springer.com/gp/computer-science/lncs/conference-proceedings-guidelines

具体评测任务介绍如下：

任务一： CHIP-PromptCBLUE医疗大模型评测任务

任务网址： http://cips-chip.org.cn/2023/eval1

任务简介： 为推动LLM在医疗领域的发展和落地，华东师范大学王晓玲教授团队联合阿里云天池，哈尔滨工业大学（深圳） 鹏城实验室汤步洲老师等专家学者，推出PromptCBLUE-v2评测基准。 PromptCBLUE-v2评测基准是对CBLUE基准进行二次开发，将18种不同的医疗场景NLP任务全部转化为基于提示的语言生成任务,形成首个中文医疗场景的LLM评测基准，有利于帮助开源社区和业界快速评测公开的或者自有的LLM模型。PromptCBLUE-v2将作为CHIP-2023的评测任务之一，依托于天池大赛平台进行评测。

任务组织者：
  朱威, 华东师范大学， wzhu@stu.ecnu.edu.cn
  陈漠沙，中国中文信息学会生物与医疗信息处理专业委员(本工作在阿里巴巴工作期间完成)， 51205901094@cs.ecnu.edu.cn
  王晓玲, 华东师范大学， xlwang@cs.ecnu.edu.cn

任务二： 中文医学文本小样本命名实体识别评测任务

任务网址： http://cips-chip.org.cn/2023/eval2

任务简介： 中文医学命名实体识别是实现智慧医疗的基础任务，挖掘文本中蕴含的大量 疾病、症状和治疗的信息。当前深度学习技术已在该任务上取得显著成果，然而 医学领域的数据往往难以获取，不能满足领域迁移和模型训练的要求。小样本学 习则更加符合现实应用，关注如何在少量标注数据的情况下保持较高的准确率， 并具备良好的泛化能力。

任务组织者：
  昝红英，郑州大学，自然语言处理实验室
  张坤丽，郑州大学，自然语言处理实验室

任务联系人：
  张程豪： zchcolorful@163.com
  李云龙： 1457527772@qq.com

任务三： 药品纸质文档识别与实体关系抽取

任务网址： http://cips-chip.org.cn/2023/eval3

任务简介： 在医药流通行业，开展经营活动时积累了大量的纸质单据，如药品注册批件，药品GMP证书，药品生产许可证，药品说明书等。其中，药品说明书是载明药品的重要信息的法定文件，是选用药品的法定指南，具有较高的价值。
药品说明书的更新频率往往高于临床诊疗指南、医学教科书等常见语料来源，且提取难度较高，不同生产厂商的药品说明书虽然包含的内容相似，但版式上存在较多差异，且蕴含了结构化和非结构化的信息。从非结构化的文本中抽取药品与其他实体之间的关系，构建成医学知识图谱，可更好地服务于下游处方审核、辅助诊疗、患者健康宣教等任务。

任务组织者：
  陈谦，王佳 国药控股数字科技有限公司

任务四： CHIP-YIER医疗大模型评测任务

任务网址： http://cips-chip.org.cn/2023/eval4

任务简介：
  在现代医疗领域，医疗大模型的应用已经成为改善患者护理和诊断的重要工具。然而，确保这些模型在临床应用中的准确性和可靠性至关重要。本评测任务旨在通过逻辑推理医疗大模型的评测，检验其在医学术语、医学知识、临床规范诊疗和医学计算等其他医学方面的表现。

任务组织者：
  焦增涛，医渡云（北京）技术有限公司， zengtao.jiao@yiducoud.cn
  张小珍，医渡云（北京）技术有限公司， xiaozhen.zhang@yiducloud.cn

任务五： 医疗文献PICOS识别任务

任务网址： http://cips-chip.org.cn/2023/eval5

任务简介：
  随着近代医学信息学和资料库的发展，医学相关从业者越来越倾向于采用循证医学的思量来指导自己的学习和工作。循证医学需要大量的查询资料和文献信息，PICOS检索方式提升了循证检索的效率。

任务组织者：
  尹康平、童毅轩，阿里巴巴夸克
  汤步洲，哈尔滨工业大学（深圳） 鹏城实验室

任务六： 中文糖尿病问题分类评测任务

任务网址： http://cips-chip.org.cn/2023/eval6

任务简介：
  随着互联网的快速发展，庞大的二型糖尿病患者和高危人群对糖尿病专业信息获取的需求日益突出，糖尿病作为一种典型慢性疾病已成为全球重大公共卫生挑战之一，糖尿病自动问答服务对患者和高危人群的日常健康服务也发挥着越来越重要的作用。中文糖尿病问题分类评测任务旨在自动为患者提出的有关糖尿病问题进行分类。该任务将有助于增强搜索结果的性能并推动糖尿病自动问答服务的发展。

任务组织者：
  TAM文本分析与挖掘团队，华南师范大学
  李舜浩， 280137277@qq.com