早期评估一种自然语言处理工具,以改善手术患者获得教育资源的机会
James Booker1,2, Jack Penn3,4, Kawsar Noor5,6
1Wellcome/EPSRC Centre for Interventional and Surgical Sciences, University College London, London, UK. James.booker.19@ucl.ac.uk.
概括
自然语言处理 (NLP) 准确地从诊所信件中识别脊柱手术程序,将其与患者教育资源联系起来. 这通过提高患者对手术益处和风险的理解来改善知情同意.
科学领域:
- 医疗信息学 医疗信息学
- 自然语言处理自然语言处理.
- 脊柱外科手术 脊柱外科手术
背景情况:
- 可访问的患者信息对于关于脊柱手术的知情同意至关重要.
- 为了获得知情同意,教育患者手术的好处和风险至关重要.
- 目前将患者数据与教育资源联系起来的方法可以得到改进.
研究的目的:
- 评估自然语言处理 (NLP) 管道在从临床信件中识别外科手术程序方面的有效性.
- 将确定的外科手术程序与相关的患者教育资源联系起来.
- 评估NLP管道在识别外科手术程序和将其与教育材料联系起来方面的准确性.
主要方法:
- 对接受脊柱手术的患者的临床信件进行了回顾性分析.
- 利用MedCAT,一个命名实体识别和链接NLP工具,与电子健康记录 (EHR) 集成.
- 提取了外科概念,将其与SNOMED-CT联系起来,并将模型性能与地面真相进行比较,计算精度,回忆和F1分数.
主要成果:
- 在199个字母中,NLP管道从199个字母中识别出了大量的外科手术 (784) 准确度很高 (精度=0.94,回忆=0.86,F1=0.91).
- 综合管道成功将教育资源与SNOMED-CT术语的78%患者的EHR联系起来 (精度=0.99,回忆=0.87,F1=0.92).
- 根据临床医生,作者和信中使用的语言,表现有所不同.
结论:
- 自然语言处理 (NLP) 在从手术前的临床信件中识别外科手术过程中表现出高度准确性.
- 开发的管道有效地将确定的程序与患者教育资源联系起来.
- 这种方法有可能显著改善患者对手术程序的理解,并加强知情同意.
