临床叙述作为预测脑内出血后功能结果的预测指标
Ling-Chien Hung1, Ying-Ying Su2, Jui-Ming Sun3
1Division of Neurology, Department of Internal Medicine, Ditmanson Medical Foundation Chia-Yi Christian Hospital, Chiayi City, Taiwan.
Journal of the neurological sciences
|September 17, 2023
概括
临床叙述改善了脑内出血 (ICH) 患者的预测. 自然语言处理 (NLP) 增强了现有的预后模型,为中风幸存者带来了更好的结果.
科学领域:
- 神经学 神经学
- 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:
- 脑内出血 (ICH) 是一种严重的中风类型,与高死亡率和残疾相关.
- 现有的ICH预后模型在预测患者结果方面存在局限性.
- 这项研究探讨了利用临床叙述数据增强ICH预后.
研究的目的:
- 评估临床叙述是否可以改善现有的脑内出血 (ICH) 预后模型的预测性能.
- 评估从临床叙述中得出的基于文本的标记对ICH后预测功能结果的影响.
主要方法:
- 利用来自医院中风注册和电子健康记录的1363名患者的数据集.
- 通过自然语言处理 (NLP) 使用机器学习 (ML) 和深度学习 (DL) 方法从临床叙述中开发了基于文本的标记.
- 将基线ICH预后模型的预测性能与使用NLP衍生文本基标记器增强的模型进行比较.
主要成果:
- 结合基于文本的标记器的增强预测模型显著超过了基线模型.
- 接收器运行特征曲线 (AUC) 下的面积从0.760-0.892 (基线) 提高到0.861-0.914 (增强).
- 在净重新分类和综合歧视指数中观察到显著改善.
结论:
- 自然语言处理 (NLP) 有效地从临床叙述中提取有价值的信息,以改善ICH预后.
- 整合来自临床叙述的基于文本的标记器可以提高已建立的ICH预后模型的预测准确性.
