自然语言处理可以自动提取巴雷特食道内镜质量指标

科学领域:

• 医疗信息学 医疗信息学
• 胃肠病学 胃肠病学
• 自然语言处理自然语言处理.

背景情况:

• 巴雷特食道 (BE) 监测和治疗数据对于患者管理和研究至关重要.
• 从电子健康记录 (EHR) 中提取这些数据通常是人工和劳动密集型的.
• 需要自动化方法来提高数据检索的效率和准确性.

研究的目的:

• 开发和验证一种自动化自然语言处理 (NLP) 方法.
• 目标是从电子健康记录中提取巴雷特食道 (BE) 内镜监测和治疗的高准确性数据.
• 为了促进临床研究和质量评估的患者级数据的计算.

主要方法:

• 使用MetaMap Lite开发了一种自然语言处理 (NLP) 方法.
• 该方法处理了自由文本病理学报告和BE患者的结构化程序数据.
• 胃肠病学家分配了基本真相标签,并使用诸如回忆,精度,准确性和F1分数等指标评估了NLP表现.

主要成果:

• 该NLP方法在提取BE数据 (例如,回忆:0.976,准确率:0.985) 在验证集上取得了高性能.
• 该方法适用于准确标记内镜根除疗法 (EET) 相关事件 (例如,EET开始:0.974,CE-IM:1.00).
• 这使得能够有效地提取治疗前的诊断,内疗时间和完成肠道代塑的时间.

结论:

• 自动化的NLP有效地从常规EHR中提取高准确度的BE监测和治疗数据.
• 开发的方法是透明的,并产生高水平的临床数据集.
• 这有助于为BE管理进行临床研究和质量指标评估.