评估自然语言处理在检测手术后并发症方面的实用性,从免费的医学文本中进行评估
Emilie Even Dencker1,2, Alexander Bonde1,2,3, Anders Troelsen4,5
1Department of Organ Surgery and Transplantation, Copenhagen University Hospital, Rigshospitalet, Copenhagen, Denmark.
BJS open
|April 9, 2024
概括
自然语言处理 (NLP) 从电子健康记录中准确识别术后并发症,如肺炎和败血症,优于行政数据. 这种方法为手术患者的实时并发症检测提供了一个有希望的途径.
科学领域:
- 医疗信息学 医疗信息学
- 计算语言学 计算语言学
- 手术结果研究研究.
背景情况:
- 评估术后并发症的行政数据是不准确的.
- 自然语言处理 (NLP) 显示出从医学文本中提取表型的潜力.
- 四种未被编码的并发症 (肺炎,尿道感染,败血症,败血性休克) 构成了临床挑战.
研究的目的:
- 评估NLP从电子健康记录 (EHR) 中检测特定的术后并发症的能力.
- 将NLP的性能与行政数据和手动策划进行比较.
- 测试NLP可以达到人类水平的策划性能的假设.
主要方法:
- 分析了来自11个子专业和18个医院的17486例外科手术病例的EHR数据.
- 数据收集时间为2016年5月至2021年11月.
- 使用数据集的分割 (30%培训,48%验证,22%测试) 来比较NLP,行政数据和手动提取.
主要成果:
- 在所有四种并发症中,NLP表现出高性能 (AUC > 0.989).
- 行政数据显示所有并发症的表现不佳 (AUC < 0.625).
- NLP的表现与手动策划水平非常接近.
结论:
- NLP有效地捕捉术后并发症,明显优于行政数据.
- NLP方法为实时监测手术并发症提供了一种可行的方法.
- 这项技术有可能通过准确,全面的并发症评估来改善术后护理.
