इस पत्र में, हम कॉन्टेक्स्टुअल (Contextual) का प्रस्ताव करते हैं, जो असंरचित नैदानिक डेटा से महत्वपूर्ण जानकारी निकालने और रोगी देखभाल संबंधी निर्णय लेने के लिए उसका उपयोग करने हेतु एक नवीन ढाँचा है। इस समस्या का समाधान करने के लिए कि मौजूदा अध्ययन या तो सभी टोकनों को समान रूप से देखते हैं या हेयुरिस्टिक-आधारित फ़िल्टरों पर निर्भर करते हैं जो महत्वपूर्ण नैदानिक जानकारी को अनदेखा कर देते हैं, कॉन्टेक्स्टुअल एक संदर्भ-संरक्षण टोकन फ़िल्टरिंग विधि को एक डोमेन-विशिष्ट ज्ञान ग्राफ़ (KG) के साथ एकीकृत करता है। संदर्भ-विशिष्ट महत्वपूर्ण टोकनों को संरक्षित करके और उन्हें संरचित ज्ञान से समृद्ध करके, यह भाषाई संगति और नैदानिक सटीकता दोनों में सुधार करता है। दो सार्वजनिक बेंचमार्क डेटासेट पर प्रायोगिक परिणाम दर्शाते हैं कि कॉन्टेक्स्टुअल लगातार अन्य आधारभूत मॉडलों से बेहतर प्रदर्शन करता है। यह टोकन-स्तरीय फ़िल्टरिंग और संरचित पुनर्प्राप्ति की पूरक भूमिकाओं पर प्रकाश डालता है, और नैदानिक पाठ निर्माण की सटीकता में सुधार के लिए एक मापनीय समाधान प्रदान करता है।
