自然语言处理管道从临床笔记中提取前列腺癌相关信息

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.
• 在瘤学瘤学.

背景情况:

• 从临床笔记中提取前列腺癌信息对于准确的MRI解释至关重要.
• 手动审查临床笔记是耗时且容易出现错误的.

研究的目的:

• 开发和评估一条自动化管道,从临床笔记中提取前列腺癌相关信息.
• 为了比较管道的性能与放射科医生在关键信息的分类.

主要方法:

• 一项对23,225名接受前列腺MRI的患者 (2017-2022) 的回顾性研究.
• 基于变压器 (BERT) 的双向编码器表示模型进行了微调,以进行句子级别的分类.
• 通过使用基于树的模型编译句子级输出来实现患者级别的分类.

主要成果:

• 该管道实现了高句级性能 (AUC ≥ 0.94).
• 与放射科医生 (77.9%) 相比,它在提取癌症风险因素方面表现出更高的灵敏度 (96.5%).
• 放射科医生在MRI前病理和治疗史的分类中显示出更高的准确性.

结论:

• 自动化管道显示了从临床笔记中有效提取前列腺癌风险因素的希望.
• 这种NLP工具可以帮助放射科医生收集有关前列腺MRI解释的相关信息.
• 进一步开发可能会提高其他分类任务的准确性.