VADER,BERT,およびFlair NLPモデルの比較による疼痛管理医の患者レビュー

科学分野:

• コンピュータ言語学
• 医療情報学
• 医療における人工知能

背景:

• 自然言語処理 (NLP) は,患者のフィードバックや臨床ノートを含む医療データから洞察を得るために重要です.
• 感情分析はNLPのサブフィールドで テキストで表現された 患者の主観的な体験を定量化するための方法を提供します
• 異なるNLPモデルの有効性を評価することは,医療環境での信頼性の高い応用に不可欠です.

研究 の 目的:

• トランスフォーマー (BERT),Valence Aware Dictionary,sEntiment Reasoner (VADER) の3つのNLPモデルのパフォーマンスを評価し,医師のレビューから患者の感情を分析する.
• これらのモデルによって生成された感情のスコアと 患者によって提供された疼痛管理の専門家の数値評価を比較する.

主な方法:

• Healthgradesから1486件の医師のレビューを集めました アトランタの30人の痛み管理専門医のレビューです
• BERT,VADER,Flair NLPモデルを適用し,収集されたレビューからセンチメントスコアを導き出しました.
• ペアワイドのtテスト,ピアソン相関,およびロジスティック回帰を含む統計分析を用いて,患者の評価と比較した.

主要な成果:

• 3つのNLPモデルは,パフォーマンスにおいて有意な差異を示した (P < 0. 05).
• Flairは患者評価と最も高い相関性を示した (r = 0. 80),次にBERT (r = 0. 74) とVADER (r = 0.59) が続いた.
• ロージスティック・リグレーション・アナリストは 患者の感情を予測する 卓越した精度を確認しました

結論:

• NLPモデル,特にFlairを用いた感情分析は,医療における患者の経験を客観的に解釈する大きな可能性を示している.
• これらのモデルは患者の満足度評価を改善し,患者の懸念を早期に特定するのに役立ちます.
• 医学的な文脈でのNLPモデルを精錬し,多様式分析を探求し,より広範な臨床適用のための倫理的検討に取り組むためにさらなる研究が必要です.