支持使用基于自然语言处理的方法诊断法布里病

科学领域:

• 医疗信息学 医疗信息学
• 罕见疾病的诊断 罕见疾病的诊断
• 临床决策支持 临床决策支持

背景情况:

• 诊断具有非特异性症状的罕见疾病是一个重大的临床挑战.
• 早期和准确的诊断对于有效管理罕见疾病至关重要.
• 需要医生支持工具来导航复杂的诊断途径.

研究的目的:

• 开发和验证一个支持决策的评分系统,用于识别患有法布里病 (FD) 的患者.
• 利用自然语言处理 (NLP) 来从电子健康记录 (EHR) 中提取相关的临床特征.
• 在临床实践中提高罕见疾病诊断的准确性和及时性.

主要方法:

• 用文献审查和专家知识来定义FD特定的临床特征.
• 自然语言处理 (NLP) 分析了电子健康记录以提取患者的特征.
• 开发了一个评分系统,整合了NLP衍生的特征,实验室结果和ICD-10代码来计算FD风险评分.
• 高风险患者的医生审查指导转诊进行确认性测试.

主要成果:

• 基于NLP的评分系统实现了曲线下的面积 (AUC) 0.998.
• 该系统在识别疑似FD患者时表现出高度的歧视能力.
• 一名患有高FD风险得分的患者被正确地转诊进行诊断测试,并确认患有FD.

结论:

• 开发的NLP驱动的决策支持系统准确地识别出患有法布里病风险的患者.
• 这种方法有助于早期发现罕见疾病.
• 该系统显示了改善罕见疾病诊断工作流程和患者治疗结果的潜力.