在全科医生的临床笔记中早期检测肺癌的人工智能:一项回顾性观察队列研究
Martijn C Schut1, Torec T Luik2, Iacopo Vagliano3
1Department of Laboratory Medicine, Amsterdam University Medical Center (UMC) Vrije Universiteit Amsterdam, Amsterdam; Amsterdam Public Health, Amsterdam UMC, Amsterdam, the Netherlands.
概括
新的人工智能工具可以通过分析患者记录,帮助在全科医院早期检测肺癌. 这种方法有助于更早地识别有风险的个体,可能改善肺癌患者的治疗结果.
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:
- 大多数肺癌患者 (超过80%) 首次接触医疗保健是在全科医院.
- 大多数 (75%) 的患者在晚期 (3或4) 诊断,导致高死亡率.
- 一般医生 (GP) 记录包含有价值的长期患者数据,可以用于早期检测肺癌.
研究的目的:
- 为增强肺癌风险评估开发先进的预测工具.
- 改善在初级保健机构内早期识别肺癌病例.
主要方法:
- 利用自然语言处理 (NLP) 和机器学习 (ML) 来分析电子患者数据的文本.
- 分析了来自荷兰四个全科医院网络的525,526名患者的病历.
- 开发了一个使用结构化和自由文本数据的预测模型,以在诊断前5个月内识别肺癌.
主要成果:
- 开发的算法证明了使用常规GP数据更早检测肺癌的潜力.
- 内部验证显示曲线下面积 (AUC) 为0.88,而外部验证则显示AUC为0.79.
- 该模型的性能指标 (歧视,校准,灵敏度,特异性) 在各种预测截止点进行了评估.
结论:
- 人工智能驱动的工具可以通过利用现有的GP患者档案数据,在一般实践中促进早期肺癌检测.
- 这种方法支持早期的病例发现,尽管需要进一步的前性临床验证.
