使用自然语言处理技术编程高级MSK考试的自动化

科学领域:

• 放射学和医学成像学 医学成像学
• 医疗保健中的人工智能
• 自然语言处理 (NLP) 是一种自然语言处理.

背景情况:

• 有效的成像检查选择和记录对于准确的诊断和尽量减少辐射暴露至关重要.
• 当前的预成像放射学工作流程可能是低效的,影响患者护理和资源分配.
• 自动化对放射学检查请求的审查为提高工作流程效率提供了机会.

研究的目的:

• 开发和评估一个自动化模型,用于修改使用NLP的放射学检查请求.
• 为了提高预成像放射学工作流程的效率.
• 通过自动化系统识别需要额外审查的放射学订单.

主要方法:

• 从放射学信息系统中提取了肌肉骨 (MSK) 磁共振成像 (MRI) 检查订单.
• 使用预训练过的变压器模型 (DistilBERT) 来对考试订单中的自由文本进行矢量表示.
• 训练了一个物流回归分类器来识别需要进一步审查的订单.

主要成果:

• 该自动化模型在识别需要额外审查的放射学订单时实现了83%的准确性.
• 该模型表现出强的性能,曲线下的面积 (AUC) 为0.87.
• 基于NLP的方法有效地处理和分析了自由文本放射学订单.

结论:

• 一个自动化的NLP模型可以显著提高放射学检查要求修订的效率.
• 开发的模型显示了增强预成像工作流程的希望,通过准确标记需要审查的订单.
• 这种人工智能驱动的方法有可能优化放射学资源利用和患者管理.