从电子健康记录中的非结构化笔记中提取认知障碍评估信息,使用自然语言处理工具:与临床评估数据进行验证

科学领域:

• 医疗信息学 医疗信息学
• 自然语言处理自然语言处理.
• 认知科学 认知科学

背景情况:

• 电子健康记录 (EHR) 包含有价值的临床数据.
• 从非结构化的EHR笔记中提取特定的认知分数是具有挑战性的.
• 认知评估对于患者护理和研究至关重要.

研究的目的:

• 开发一种自然语言处理 (NLP) 算法,从EHR数据中提取认知分数.
• 将NLP提取的认知分数与美国医疗保险和医疗补助服务中心 (CMS) 授权评估的分数进行比较.
• 评估NLP在从EHR识别认知功能的准确性和实用性.

主要方法:

• 确定了一组医疗保险受益者与相关的EHR和CMS评估数据 (MDS/OASIS) 相关联.
• 应用NLP算法从临床医生的笔记中提取蒙特利尔认知评估 (MoCA) 和迷你心理状态检查 (MMSE) 的得分.
• 提取的分数与由MDS和OASIS数据确定的认知状态进行了比较.

主要成果:

• 该NLP算法实现了高精度:MoCA的97%,MMSE的100%.
• 在NLP提取的分数和CMS授权的评估 (MDS/OASIS) 之间发现了显著的相关性.
• 提取得分的平均差异表明与已建立的认知评估有很好的一致性.

结论:

• 一个NLP算法可以准确地从非结构化的EHR数据中提取认知分数.
• 提取的认知分数与CMS授权的临床评估有很强的相关性.
• 这种方法促进了基于EHR的研究,用于识别认知障碍患者.