利用自然语言处理识别脑瘤患者进行临床试验:开发和初步评估
James Booker1, Jack Penn1, Kawsar Noor2
1Wellcome/EPSRC Centre for Interventional and Surgical Sciences, University College London, London, UK; Victor Horsley Department of Neurosurgery, National Hospital for Neurology and Neurosurgery, London, UK.
World neurosurgery
|March 20, 2025
概括
自然语言处理 (NLP) 有效地从电子健康记录中提取大脑瘤诊断. 这有助于将患者与相关的临床试验联系起来,提高试验招募效率.
科学领域:
- 医疗信息学 医疗信息学
- 临床研究信息学
- 自然语言处理自然语言处理.
背景情况:
- 临床试验资格选是资源密集的.
- 自然语言处理 (NLP) 模型可以从电子健康记录 (EHR) 中提取数据,以改善查.
- 自动化数据提取可以简化符合条件的患者的识别.
研究的目的:
- 评估NLP模型从门诊诊所信件中提取脑瘤诊断的能力.
- 评估将提取的诊断与正在进行的临床试验联系起来的可行性.
- 确定NLP识别的临床试验匹配的准确性和相关性.
主要方法:
- 神经瘤学诊所信件的回顾性队列研究.
- 利用NLP模型用于命名实体识别和链接到医学临床术语 (SNOMED CT) 系统化命名体系的本体学.
- 人类注释员验证了提取的概念和试验相关性;结果显示在EHR集成的仪表板上.
主要成果:
- 在NLP模型实现了高性能:宏精度=0.994,宏回忆=0.964,宏F1=0.977.
- 从196封临床信件中识别了399个医学概念.
- 与1417个试验相关,其中755个符合符合资格标准的患者具有高度相关的匹配.
结论:
- NLP有效地从自由文本EHR数据中提取脑瘤诊断,并进行最少的训练.
- 提取的信息可以与相关的临床试验联系起来,建议将其整合到临床工作流程中.
- 需要进一步的研究来评估对临床结果的影响.
