使用人工智能从临床笔记开发骨科治疗成功的衡量标准

科学领域:

• 整形外科手术 整形外科手术
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 患者报告的结果测量 (PROM) 是评估骨科治疗成功的标准,但在临床实践中面临挑战.
• 临床笔记包含有关症状,康复和并发症的宝贵患者数据.
• 需要易于获得的结果指标来证明骨科干预的价值.

研究的目的:

• 调查使用人工智能 (AI) 分析临床笔记以确定骨科治疗成功的可行性.
• 开发和评估人工智能驱动的文本分类器,用于从电子健康记录中识别治疗结果.

主要方法:

• 进行了成年患者急性肩部损伤 (近腰骨骨折) 的临床笔记的横截面分析.
• 伤害后大约一年的临床记录被审查并标记为治疗成功或失败.
• 机器学习和深度学习算法,包括Bio-ClinicalBERT,在分类准确性方面进行了比较.

主要成果:

• 这项研究分析了来自35个部门的123名医生的868份临床笔记.
• 生物临床BERT模型在区分治疗成功和失败方面达到87% (AUC = 0.87 ± 0.04) 的最高准确度.
• 对临床笔记应用的分类器在识别成功治疗结果方面表现出高准确性.

结论:

• 分析临床笔记的文本分类器可以准确地区分成功的骨科治疗结果的患者.
• 常规收集的临床笔记数据可以作为一种有价值的来源,用于在骨科中开发新的结果措施.
• 用人工智能驱动的临床笔记分析提供了一个有希望的方法来补充或取代传统的PROM.