相关实验视频
Updated: Jul 19, 2025
08:39
Culture of Bladder Cancer Organoids as Precision Medicine Tools
Published on: December 28, 2021
4.7K
开发和验证一种自动化方法,使用自然语言处理识别为膀癌进行激进囊切术的患者
Hung-Jui Tan1,2, Robin Clarke3, Karim Chamie4
1VA/UCLA Robert Wood Johnson Clinical Scholars Program, Los Angeles, California.
Urology practice
|August 18, 2023
概括
自然语言处理 (NLP) 准确地识别了激进囊切除术的病例,以改善膀癌的质量. 与索赔数据相比,NLP也更好地描述了手术细节,如机器人使用和尿路转移.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 准确的病例识别对于改善医疗保健质量至关重要.
- 电子健康记录 (EHR) 提供了大量数据,但需要先进的方法来结构化提取信息.
- 自然语言处理 (NLP) 可以将EHR中的非结构化文本转换为结构化数据,以提高质量测量.
研究的目的:
- 评估NLP的应用,以识别和描述膀癌患者的激进囊切手术程序.
- 将NLP增强算法的性能与基于行政索赔的算法和手动图表审查进行比较.
主要方法:
- 分析了497个急性囊切除手术的样本.
- 为了确定病例,使用了三种方法:NLP增强算法,行政索赔算法和手动图表审查.
- 使用kappa统计,灵敏度,特异性和预测值进行评估,手动审查作为参考标准.
主要成果:
- 无论是NLP还是基于索赔的算法都准确地识别了激进囊切除术病例 (分别达到了99.8%和98.6%的同意).
- 在描述机器人手术 (98.8%对90.5%) 和大陆尿路转移 (96.4%对83.3%) 中,NLP表现优越.
- 与索赔数据相比,NLP对这些特定的外科特征取得了更高的一致性 (κ=0.976和 κ=0.924).
结论:
- 基于NLP和基于索赔的算法对于识别激进囊切除术病例是有效的.
- 在精确分类囊切除手术的特定外科细节方面,NLP提供了明显的优势.
- 在泌尿外科手术中,NLP代表了一种有前途的方法来推进质量测量.
