为了确定肺癌查的资格,使用电子健康记录来确定可计算的表型
Shuang Yang1, Yu Huang1, Xiwei Lou1
1Department of Health Outcomes and Biomedical Informatics, College of Medicine, University of Florida, Gainesville, FL.
JCO clinical cancer informatics
|January 17, 2025
概括
使用电子健康记录 (EHR) 开发可计算的表型 (CP) 算法可以改善肺癌查 (LCS) 资格识别. 整合非结构化数据提高了准确性,支持更好的临床决策和肺癌查患者护理.
科学领域:
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
- 放射学 放射学是一门学科.
背景情况:
- 使用低剂量计算机断层扫描 (LDCT) 的肺癌查 (LCS) 可以降低死亡率,但由于高错误阳性率而面临障碍.
- 电子健康记录 (EHR) 提供了一个潜在的数据来源,用于识别符合LCS的个人.
- 开发精确的可计算表型 (CP) 算法对于提高LCS利用率至关重要.
研究的目的:
- 开发和验证使用EHR数据的CP算法,以识别符合LCS条件的个人.
- 在现实环境中提高LCS资格确定的准确性和效率.
- 利用结构化和非结构化EHR数据来提高CP性能.
主要方法:
- 分析了2012-2022年期间为LCS接受LDCT的5,778个人的队列.
- 基于LCS指南 (USPSTF 2013 & 2020) 的CP规则是使用结构化EHR数据和临床笔记的自然语言处理开发的.
- 在453个个体的手动图表审查中,验证了CP规则,使用F1得分,特异性和灵敏度来评估性能.
主要成果:
- 根据2013年和2020年LCS指南,制定了集成结构化和非结构化数据的最佳CP规则.
- 该CP规则纳入了年龄,吸烟状况和包装年,达到F1分数为0.75 (2013) 和0.84 (2020).
- 与单独的结构化数据相比,包括非结构化数据提高了F1得分高达9.2% (2013) 和12.9% (2020).
结论:
- 基于EHR的CP算法在识别符合LCS条件的个人方面是有效的.
- 该研究强调了需要在电子健康记录中改进吸烟记录的必要性.
- 人工智能技术和集成数据显著提高CP性能,支持临床决策和优化肺癌查患者护理.
更多相关视频
07:59Author Spotlight: Advancements in Molecular Biomarker Testing for Non-Squamous Non-Small Cell Lung Cancer
Published on: September 8, 2023
1.0K
08:14MicroRNA Based Liquid Biopsy: The Experience of the Plasma miRNA Signature Classifier MSC for Lung Cancer Screening
Published on: October 26, 2017
15.6K
