在ENACT国家电子健康记录研究网络中开发和验证自然语言处理算法

科学领域:

• 生物医学信息学 生物医学信息学
• 临床研究信息学
• 医疗保健服务研究 医疗服务研究

背景情况:

• 电子健康记录 (EHR) 数据提供了丰富的临床见解,但通常包含非结构化文本.
• 在临床叙述中获取信息需要自然语言处理 (NLP) 技术.
• 进化到下一代临床试验 (ENACT) 网络的目标是扩大对EHR数据的获取范围,以便进行翻译性研究.

研究的目的:

• 描述ENACT网络中NLP基础设施的实施和部署.
• 让NLP衍生的临床信息在整个网络上可访问和查询.
• 通过释放临床文本的潜力来支持翻译研究.

主要方法:

• 成立ENACT NLP工作组,以解决对NLP能力的需求.
• 实施实践,物流和使用的NLP工具和技术的描述.
• 扩展ENACT本体论,用于NLP衍生数据的标准化和查询.
• 对NLP算法的多站点评估,以确保性能和可靠性.

主要成果:

• 在整个ENACT网络中成功实施和部署NLP基础设施.
• 现在可以对NLP衍生的临床信息进行标准化和可查询的访问.
• 多站点评估证明了NLP算法的有效性.

结论:

• ENACT网络已经成功地整合了NLP,以利用临床叙事数据.
• 这一进步使得获得更广泛的EHR数据供研究使用的机会变得更加民主.
• 学习的经验可以指导其他国家数据网络在部署NLP用于临床文本分析.