对晚期肺癌患者的自然语言处理提取数据的可行性和外部有效性进行评估
Yuchen Li1, Jennifer Law2, Lisa W Le3
1Dept. of Medical Oncology, Princess Margaret Cancer Center, Toronto, ON, Canada; Dept. of Medical Oncology, Cancer Centre of Southeastern Ontario, Kingston, ON, Canada.
Lung cancer (Amsterdam, Netherlands)
|January 9, 2025
概括
自然语言处理 (NLP) 自动化了用于高级肺癌研究的临床数据提取,证明了可行性和时间效率. 这种人工智能方法加速了对未来观测研究的现实世界数据分析.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 手动提取现实世界的临床数据是耗时且容易出错的.
- 自然语言处理 (NLP) 提供了一个人工智能驱动的解决方案,用于自动化数据提取.
- 评估NLP对晚期肺癌 (aLC) 患者数据的可行性对于研究效率至关重要.
研究的目的:
- 评估在晚期肺癌患者中使用NLP用于自动数据提取的可行性.
- 通过与现有文献进行比较,评估NLP提取的数据的外部有效性.
- 确定NLP在提取临床信息中的时间效率.
主要方法:
- 利用Pentavere的NLP平台 (DARWENTM) 来处理IIIB/IV期肺癌患者的电子健康记录 (2015年1月至2017年12月).
- 提取了患者的基线特征,癌症细节,生物标志物和一线全身疗法.
- 采用Cox多变量模型来确定非小细胞肺癌 (NSCLC) 和小细胞肺癌 (SCLC) 的预后因素.
主要成果:
- 在8个小时内,NLP提取了333名患者的临床数据,缺少的信息最小.
- 提取的数据特征与之前的研究和人口报告相比较.
- 确定了影响生存率的NSCLC (男性,ECOG,肝/骨/肺转移) 和SCLC (年龄,肝转移) 的预后因素.
结论:
- 使用NLP自动数据提取是可行的,时间效率高,并产生有效的临床终点.
- NLP显著加快了用于研究的真实世界数据的提取.
- NLP显示了在未来加强瘤学观察研究的巨大潜力.
