使用自然语言处理大规模识别未被诊断的肝硬化症
Carolin V Schneider1,2, Tang Li3, David Zhang1
1Division of Translational Medicine and Human Genetics, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA 19104, USA.
EClinicalMedicine
|August 21, 2023
概括
自然语言处理 (NLP) 可以使用电子健康记录识别未被诊断的非酒精性脂肪性肝病 (NAFLD) 的患者. 这种方法揭示了NAFLD的低编码,使得早期干预和改善患者的结果.
科学领域:
- 医疗信息学 医疗信息学
- 肝病学 肝病学是一种肝病学.
- 数据科学数据科学数据科学
背景情况:
- 非酒精性脂肪性肝病 (NAFLD) 是导致肝病的重要原因,经常被低诊断,使研究和临床护理复杂化.
- 电子健康记录 (EHR) 包含大量数据,但提取未被诊断的肝硬化症信息仍然具有挑战性.
研究的目的:
- 评估使用自然语言处理 (NLP) 对EHR数据的可行性,以识别未被诊断的肝硬化症患者.
- 在大量患者群体中评估NAFLD低编码的流行率.
主要方法:
- 使用文本挖掘软件开发了一个基于规则的NLP算法,用于分析来自大型EHR数据库的病理和成像报告.
- 数以百万计的病理学和成像报告被处理,并对子集进行手动审查以进行质量控制和验证.
主要成果:
- 在NLP中,成功地发现了成千上万的活检证明和成像证明的NAFLD患者.
- 升高的ALT水平不是肥胖症的可靠指标;不到一半的肥胖症患者获得了ICD诊断码.
- 遗传风险因素 (PNPLA3,TM6SF2) 与肥胖症有很强的关联,并确定了许多相关疾病和血清标志物.
结论:
- 在大型医疗保健系统内,NLP是一种可行和有效的方法,可以从EHR报告中识别肝肥胖症患者.
- 该研究强调了NAFLD的显著低编码,强调需要改进诊断策略和患者鉴定,以获得更好的护理和结果.
