使用自然语言处理技术对牙周炎的阶段和等级进行分类.
Nazila Ameli1, Tahereh Firoozi1, Monica Gibson2
1Mike Petryk School of Dentistry, Faculty of Medicine and Dentistry, University of Alberta, Edmonton, Alberta, Canada.
PLOS digital health
|December 13, 2024
概括
一个使用自然语言处理技术BERT的新临床决策支持系统 (CDSS) 从牙科笔记中准确预测牙周炎的阶段和等级. 这种人工智能工具有助于早期诊断和干预,优于传统方法.
科学领域:
- 牙科 牙科是指牙科的专业.
- 人工智能的人工智能
- 自然语言处理自然语言处理.
背景情况:
- 牙周炎是一种复杂的炎症性疾病,影响牙组织,通常与微生物组失衡有关.
- 牙周炎的早期诊断对于有效治疗和预防并发症至关重要.
- 临床决策支持系统 (CDSS) 具有提高医疗保健诊断准确性和效率的潜力.
研究的目的:
- 开发和评估使用自然语言处理 (NLP) 进行早期牙周炎诊断的CDSS.
- 通过从患者牙科图表和临床医生的笔记中提取信息来预测牙周炎的阶段和程度.
- 为了比较基于BERT的NLP模型与传统的特征工程模型的性能.
主要方法:
- 使用BERT (变压器双向编码器表示) 模型开发了一个CDSS,用于NLP.
- 在309个匿名患者牙周表和临床医生笔记中的70%上,BERT模型得到了微调.
- 对32个未见的患者记录进行了性能评估,并与使用MLP技术的基线特征工程模型进行了比较.
主要成果:
- 基于BERT的CDSS在预测牙周炎的阶段达到77%的准确性,在预测牙周炎的等级达到75%.
- 基线的MLP模型在同一数据集上实现了59.4%的阶段准确率和62.5%的年级准确率.
- 在未见的数据上,BERT模型与基线相比,显示了更高的准确性 (阶段为66%,等级为72%)
结论:
- 基于BERT的CDSS在预测牙周炎的阶段和等级方面明显优于传统模型.
- 这种NLP驱动的方法证明了CDSS在牙科中的突破性应用,提高了诊断能力.
- 集成先进的NLP与CDSS承诺及时干预,降低医疗保健成本,并改善患者的结果.
