自动检测椎脊髓炎:利用自然语言处理的力量
GuanRui Ren1, PeiYang Wang2, ZhiWei Wang1
1Department of Orthopedics, Zhongda Hospital, Medical College, Southeast University, Nanjing, Jiangsu, China.
Frontiers in neuroscience
|April 3, 2025
概括
机器学习和自然语言处理可以从患者笔记中自动检测椎脊髓炎 (CSM). 这项技术有助于早期诊断和治疗,改善患者脊柱状况的结果.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 临床自然语言处理 临床自然语言处理
背景情况:
- 椎脊髓炎 (CSM) 需要及时诊断以获得最佳的患者结果.
- 自动检测CSM可以促进早期干预和管理.
- 分析自由文本临床笔记是识别CSM症状的一个有希望的途径.
研究的目的:
- 开发和评估使用自然语言处理 (NLP) 进行自动化CSM检测的机器学习 (ML) 算法.
- 在自由文本录取说明中识别CSM的阳性症状.
- 增强早期识别和治疗宫脊髓炎骨髓病的方法.
主要方法:
- 使用了1214名宫疾病患者的数据集,分为70%的培训和30%的测试集.
- 开发了两种ML模型,即极端梯度增强 (XGBoost) 和双向长短期记忆网络 (LSTM).
- 使用ROC曲线,AUC,准确性,精度,回忆和F1分数来评估模型性能.
主要成果:
- 在测试组中,LSTM模型实现了0.9025的AUC,0.8740的精度,0.9560的回忆,0.9122的F1得分和0.8723的精度.
- 与XGBoost相比,LSTM的临床适用性优越,通过校准和决策曲线分析得到证实.
- 从临床笔记中,NLP算法显示出对CSM检测具有强大的歧视能力.
结论:
- 使用NLP和ML进行自动化CSM检测,可迅速诊断和启动治疗.
- 这种方法对于脊柱护理中的预诊断系统具有重大潜力.
- 通过分析自由文本注释来早期识别CSM,可以改善患者管理和结果.
