相关实验视频
Updated: Jul 27, 2025
05:53
Intraoperative Ultrasound in Spinal Surgery
Published on: August 17, 2022
4.7K
在脊椎外科手术中使用自然语言处理知情同意表格进行手术分类.
Michael D Shost1,2, Seth M Meade1,2,3, Michael P Steinmetz2,3
11Case Western Reserve University, School of Medicine.
Neurosurgical focus
|June 7, 2023
概括
这项研究开发了一种自然语言处理 (NLP) 分类器,自动从患者同意表格中对脊椎手术进行分类,达到91%的准确性. 该工具通过快速分类手术数据以进行分析和洞察,提高研究效率.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 手动分类的手术形式是耗时的临床脊柱手术研究.
- 自然语言处理 (NLP) 提供了自动化文本分析功能.
- 开发一个NLP工具可以简化患者手术特征的分类.
研究的目的:
- 设计和评估一种NLP分类器,用于根据同意表格的手术程序自动对患者进行分类.
- 提高手术数据分类研究的效率和准确性.
主要方法:
- 在12239张脊椎外科手术同意表上训练有素的NLP分类器,标记为当前程序术语 (CPT) 代码.
- 分类了7种常见的脊柱手术,将数据分为80%的培训和20%的测试集.
- 使用CPT代码评估分类器性能,以确定准确度指标.
主要成果:
- NLP手术分类器实现了91%的整体加权准确度.
- 阳性预测值 (PPV) 对于前椎间盘切除和融合 (96.8%) 是最高的,对于腰部小椎间盘切除 (85.0%) 是最低的.
- 腰部拉美切除术和融合 (96.7%) 的灵敏度最高;所有类别的负预测值和特异性都超过了95%.
结论:
- NLP文本分类显著提高了用于研究的手术程序分类的效率.
- 这种自动分类有利于数据审查资源有限的机构,并帮助学员和外科医生跟踪经验.
- 准确和快速的手术类型识别有助于提取新的见解,将干预措施与患者结果相关联.
