通过使用电子健康记录上的自然语言处理来自动推导肺癌诊断标准:试点研究

科学领域:

• 医疗信息学医学信息学
• 自然语言处理自然语言处理.
• 在瘤学瘤学.

背景情况:

• 数字化医疗记录创造了大量的非结构化数据,提供了超越临床编码的疾病诊断改进的潜力.
• 从自由文本中提取临床概念,特别是患者的症状,对于提高诊断准确性至关重要.
• 这项研究的重点是开发一种自动化的方法,从二次护理数据来确定肺癌诊断标准.

研究的目的:

• 开发和验证一种方法,使用自然语言处理 (NLP) 在非结构化电子健康记录 (EHR) 上自动生成肺癌诊断标准.
• 通过利用更广泛的临床信息来改进现有的肺癌风险评估工具.
• 证明NLP在提取和利用症状数据用于诊断目的中的实用性.

主要方法:

• 利用NLP,具体命名为实体识别,从40岁以上的患者的非结构化EHR数据中提取症状,这些患者在2016-2022年期间进行了胸部X射线 (CXR).
• 将提取的症状映射到 SNOMED-CT 代码中,并使用 SNOMED-CT 层次的归纳来管理特征稀疏性.
• 采用遗传算法来识别形成诊断标准的最具歧视性的特征,根据ICD-10代码和临床结果进行验证.

主要成果:

• 该NLP衍生模型在CXR后12个月内识别肺癌诊断时,实现了0.72的接收器操作特征曲线 (AUROC) 下的面积.
• 识别了"咳"等特定症状和"肺部疾病"等疾病,增加了肺癌的可能性.
• 发现"大血管的异常"和"后关节的障碍"与肺癌风险降低有关,这表明了替代诊断.

结论:

• 基于NLP的方法成功地从非结构化的二次护理数据中推导出肺癌诊断标准,优于现有的风险工具.
• 这些发现凸显了NLP在瘤学中增强诊断能力和患者护理的潜力.
• 未来的工作应该整合初级保健数据,并确保SNOMED-CT概念在临床上上下文化,以便更广泛地采用.