自然语言处理在电子健康记录数据提取中的应用,用于导航前列腺癌护理:叙事审查

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 自然语言处理自然语言处理.

背景情况:

• 电子健康记录 (EHR) 包含有价值的临床数据.
• 手动提取这些数据是耗时和劳动密集的.
• 自然语言处理 (NLP) 提供自动化数据提取解决方案.

研究的目的:

• 审查目前NLP在前列腺癌 (PCa) 管理中的数据提取方面的应用.
• 评估NLP模型在PCa研究和临床实践中的性能和局限性.

主要方法:

• 在PubMed和Google Scholar上进行了全面的文献搜索.
• 关键词包括"自然语言处理"",前列腺癌"",数据提取"和"EHR".
• 根据国家,样本大小,算法,结果和性能指标 (精度,回忆,F1分数) 分析了研究.

主要成果:

• 审查了14项研究,重点关注各种PCa结果:数字直肠检查,疼痛,分期/分级 (TNM,转移),治疗后功能障碍 (失禁,勃起,肠道) 和社会隔离.
• 与手动图表审查相比,NLP模型在数据提取方面表现出中等到高的准确性.
• 挑战包括处理模两可的,特定于机构的语言和上下文细微差别.

结论:

• 基于NLP的数据提取对来自EHR的各种前列腺癌结果是有效的.
• 它有可能自动化结果监测和数据收集,节省时间和资源.
• 需要进一步开发以克服NLP在解释复杂的临床语言方面的局限性.