自然言語処理フレームワークを通じてAIを用いたSLEにおける臨床現象型と疾患経路の識別

科学分野:

• 医療における人工知能
• クリニカル・インフォマティックス
• リウマトロジーの研究

背景:

• 電子医療記録 (EHR) は,患者の分析のための貴重な非構造化データを含んでいます.
• 人工知能 (AI) と自然言語処理 (NLP) を活用することで,複雑な医療データから洞察を得ることができます.
• システミック・ルプス・エリテマトサス (SLE) は,詳細な患者フェノタイプ化を必要とする異質な自己免疫疾患である.

研究 の 目的:

• EHRデータを用いてSLE患者の臨床フェノタイプと疾患経路を特定するためのNLPパイプラインを開発する.
• 人工知能 (AI) と人間知能 (HI) を組み合わせたフレームワークを作成し,信頼性の高いデータ抽出と分析を行う.
• 最初の接触時にSLE患者のフェノタイプを特徴付け,その疾患の縦進行を分析する.

主な方法:

• AIとHIを統合した標準化された段階的なフレームワークが採用されました.
• 臨床領域,フレア,および複雑性現象型について,本体論に基づく定義が作成されました.
• 特定の含有基準を満たすSLE患者のEHRから関連するデータを抽出するために,NLPパイプラインを使用しました.

主要な成果:

• この研究では,262人のSLE患者を分析し,追跡期間の中央値が6年であった.
• 血液学,関節学,皮膚学,腎臓学ドメインは,最初の接触時に頻繁に関与していました.
• 患者の有意な部分 (43%) は,高複雑性フェノタイプを示しており,それはより多くのフレアと時間経過とともに薬剤の使用の増加と相関しています.

結論:

• 開発されたAI駆動のフレームワークは,現実のEHRデータからSLE患者の縦断的なフェノタイプ化を可能にします.
• このアプローチは,SLEの異質性と疾患の進行を研究するための実行可能な方法を提供します.
• この発見は,臨床研究における潜在的な応用と,SLE.の改善された患者管理戦略を示唆しています.