自然语言处理用于识别儿童中耐火状态
Fatemeh Mohammad Alizadeh Chafjiri1, Latania Reece1,2, Lillian Voke1
1Department of Neurology, Division of Epilepsy and Clinical Neurophysiology, Boston Children's Hospital, Harvard Medical School, Boston, Massachusetts, USA.
Epilepsia
|October 7, 2023
概括
像DrT这样的自然语言处理 (NLP) 工具显著改善了在电子健康记录 (EHR) 中识别儿科耐火状态 (rSE) 病例. 这种NLP辅助的方法提高了患者的发现与单独的手动审查相比.
科学领域:
- 医疗信息学 医疗信息学
- 计算语言学 计算语言学
- 儿科神经学 儿科神经学
背景情况:
- 儿科状态 (SE) 是一个严重的儿科紧急情况,具有显著的死亡率和发病率.
- 电子健康记录 (EHR) 为分析护理和结果提供了具有成本效益的方法,但手动审查是劳动密集的.
- 有效地识别耐火性状况 (rSE) 病例对于及时干预至关重要.
研究的目的:
- 为了比较自然语言处理 (NLP) 辅助查方法的有效性与传统的手册审查,用于识别儿科rSE病例.
- 评估NLP工具文档审查工具 (DrT) 在检测rSE.SE时的敏感性和效率.
主要方法:
- 利用NLP工具DrT生成正则表达式,并对2017-2019年EHR数据训练一个词袋NLP分类器.
- 在2012年2月至12月的EHR数据上测试了NLP算法.
- 通过NLP辅助搜索,然后通过手动审查,与单独通过手动审查的结果进行了对比.
主要成果:
- 通过NLP辅助的方法,审查了400个笔记,确定了31个rSE病例,其中包括12个手动审查中错过的新病例.
- NLP模型的灵敏度为96.88% (31/32个案例),明显高于单独通过手动审查的62.5%的灵敏度 (20/32个案例).
- DrT成功地减少了需要手动审查的笔记数量,同时增加了rSE的检测率.
结论:
- NLP工具DrT提供了一种高度敏感的方法,用于在EHR中识别儿科rSE病例,其性能优于手册审查.
- NLP辅助的EHR审查是一种适合和有效的应用程序,用于识别有rSE病史的患者.
- 这种方法可以使rSE的监测和治疗策略在近乎实时的情况下实现.
更多相关视频
10:22Interictal High Frequency Oscillations Detected with Simultaneous Magnetoencephalography and Electroencephalography as Biomarker of Pediatric Epilepsy
Published on: December 6, 2016
20.4K
08:43Long-term Continuous EEG Monitoring in Small Rodent Models of Human Disease Using the Epoch Wireless Transmitter System
Published on: July 21, 2015
25.7K
