Procesamiento del lenguaje natural y codificación para detectar eventos de sangrado en resúmenes de descarga: estudio...

Área de la Ciencia:

• La informática médica
• Procesamiento clínico del lenguaje natural
• Seguridad del paciente

Sus antecedentes:

• Los acontecimientos adversos del fármaco con hemorragia (EAD) en pacientes mayores en tratamiento antitrombótico son una preocupación importante de seguridad hospitalaria.
• Los sistemas convencionales basados en reglas que utilizan códigos ICD-10 a menudo no logran detectar estos eventos debido a la granularidad limitada de los datos.

Objetivo del estudio:

• Desarrollar y evaluar un modelo de procesamiento del lenguaje natural (PNL) para detectar y categorizar las EAD con sangrado en los resúmenes de alta de adultos mayores.
• Comparar el rendimiento del modelo de PNL con un algoritmo basado en reglas utilizando códigos de la CIE-10.

Principales métodos:

• Anotación manual de 400 resúmenes de alta en "ningún sangrado", "sangrado clínicamente significativo", "sangrado severo" y "historia de sangrado".
• Desarrollo de un modelo de PNL (regresión logística, SVM) con ponderación por clase y un algoritmo basado en reglas de la CIE-10.
• Evaluación del rendimiento mediante análisis de la exactitud, la precisión, el recuerdo, la puntuación F1 y la curva ROC.

Principales resultados:

• El modelo de PNL superó significativamente el enfoque basado en reglas en todas las métricas (por ejemplo, la puntuación macro promedio de F1 de 0,80).
• La PNL logró una alta precisión para hemorragias graves (0,92) y clínicamente significativas (0,87), con un AUC de 0,94 para diferenciar la gravedad de las hemorragias.
• El modelo basado en reglas de la CIE-10 mostró un mal recuerdo (0,03) para el sangrado severo, faltando condiciones raras.

Conclusiones:

• La PNL ofrece una ventaja significativa sobre los métodos basados en la CIE-10 para detectar EAD sangrantes en registros médicos electrónicos.
• El modelo de PNL captura efectivamente matices clínicos como la gravedad y el historial, mejorando la vigilancia de la seguridad del paciente.
• El trabajo futuro debería incluir la validación multiinstitucional y el perfeccionamiento del razonamiento temporal de la PNL.