使用深度学习从叙述性临床笔记中识别周围动脉疾病病例
Shantanu Dev1, Andrew Zolensky2, Hanaa Dakour Aridi3
1Department of Computer Science and Engineering, College of Engineering, The Ohio State University, Columbus, Ohio; Center for Health Services Research, Regenstrief Institute, Indianapolis, Indiana.
深度学习 (DL) 模型在从临床笔记中识别外围动脉疾病 (PAD) 时明显优于关键词搜索 (KWS). 这一进步为在电子健康记录中检测PAD提供了一种更有效的方法.
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.
- 计算健康 计算健康
背景情况:
- 周围动脉疾病 (PAD) 是截肢的主要原因,患者和提供者意识较低.
- 目前用于识别PAD患者的方法,如关键词搜索 (KWS),在灵活性和准确性方面存在局限性.
- 需要先进的策略来有效地查和识别PAD个体.
研究的目的:
- 研究深度学习 (DL) 模型在从非结构化电子健康记录 (EHR) 数据中识别患有外围动脉疾病 (PAD) 的患者时的有效性.
- 将DL模型的性能与用于PAD病例检测的传统关键字搜索 (KWS) 算法进行比较.
主要方法:
- 利用来自全州健康信息交换的EHR数据创建一个PAD患者数据集.
- 使用BioMed-RoBERTa基础开发了一个DL模型,在训练队列 (70%的数据) 上进行了微调.
- 将DL模型的性能与在持有测试队列 (30%的数据) 上使用最先进的KWS算法进行比较.
主要成果:
- 在所有测量指标上,DL模型在KWS上表现优越,包括灵敏度,特异性和准确性.
- 对于KWS,DL的灵敏度分别为0.70和0.62,准确度分别为0.96和0.91 (P<0.001).
- DL模型的特异性 (0.99) 和负预测值 (0.97) 也明显超过了KWS.
结论:
- 与关键字搜索相比,深度学习模型提供了一种更有效的方法,用于从临床叙述中识别外围动脉疾病 (PAD) 病例.
- 这项研究突出了先进的NLP技术的潜力,以改善PAD患者在EHR系统中的识别.
- 未来的研究将专注于开发DL模型,以使用临床评分系统来确定PAD严重程度.
更多相关视频
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Peripheral Artery Disease IV: Nursing Management
Peripheral Artery Disease III: Interprofessional Care
Peripheral Artery Disease I: Introduction
Peripheral Artery Disease V: Postoperative Nursing Management
Atherosclerosis II: Clinical manifestations and prevention
Pulse Assessment Sites
