生まれながらの心疾患を持つ成人のための多センター計算可能なフェノタイプライブラリを構築するための自然言語処理

科学分野:

• 心臓病科
• バイオ情報学
• 機械学習

背景:

• 成人の先天性心疾患 (ACHD) は,効果的な管理と研究のために正確なフェノタイプ化が必要です.
• バイオバンクは患者のデータを保存するのに不可欠ですが,正確な変数人口が必要です.

研究 の 目的:

• 複数のACHD現象型のための自動分類器を開発し,検証する.
• 機械学習を用いた バイオバンク変数の効率的な集団を可能にします

主な方法:

• 8つのフェノタイプで1492人のACHD患者のラベル付きデータセットで訓練された分類者.
• 予備訓練と検証のために,より大きな未分類データセット (15869人の患者) を利用した.
• 3つの異なる分類アーキテクチャを使用し,F1スコアとポジティブな予測値を使用してパフォーマンスを評価しました.

主要な成果:

• 8つのフェノタイプについて,保持されたラベルのデータで0. 66から1までのF1スコアを達成した.
• 81. 5% から 100% のポジティブな予測値を持つ,ラベルのないデータで6つのフェノタイプを検証した.
• 変異性と観察者合意の問題により,サイアノシスとNYHA機能クラスを挑戦的なフェノタイプとして特定しました.

結論:

• ACHDのフェノタイプ8種のうち6種を順調に分類した.
• ACHDのフェノタイプ化のための自然言語処理 (NLP) ベースの分類器の有用性を実証した.
• 開発された分類者は,品質改善のイニシアチブとACHDの登録に適しています.