相关实验视频
Updated: May 14, 2025
08:43
A Unified Methodological Framework for Vestibular Schwannoma Research
Published on: June 20, 2017
7.3K
使用自然语言处理进行静脉瘤切除的患者的概念识别和表征
Simon C Williams1,2, Kawsar Noor3,4, Siddharth Sinha1,2
1Wellcome/EPSRC Centre for Interventional and Surgical Sciences, University College London, London, United Kingdom.
Journal of neurological surgery. Part B, Skull base
|May 12, 2025
概括
自然语言处理 (NLP) 能够有效地从前置瘤患者的电子健康记录中提取关键概念. 这种人工智能应用程序有助于预测术后并发症,如脑脊液泄漏.
科学领域:
- 医疗信息学 医疗信息学
- 在外科手术中使用人工智能
- 临床数据分析 临床数据分析
背景情况:
- 自然语言处理 (NLP) 是人工智能 (AI) 的一个子集,专注于理解人类语言.
- 这项研究探讨了NLP在外科医疗保健中的实用性,特别是对于前置神经瘤 (VS) 患者管理.
- NLP平台可以识别和分类电子健康记录 (EHR) 中的关键信息.
研究的目的:
- 应用NLP来识别VS患者的电子健康记录中普遍存在的文本概念.
- 为症状学,并发症和管理策略创建概念面板.
- 通过一个案例研究来证明NLP在预测术后脑脊液 (CSF) 泄漏方面的潜力.
主要方法:
- 一个NLP模型被训练使用无监督和监督学习对外科管理的VS患者的EHR (2008-2018).
- 该模型提取了文本概念,并为症状,并发症和管理生成了面板.
- 统计分析与术后并发症相关联,特别是CSF泄漏.
主要成果:
- 对292个患者记录的分析产生了6,901个独特的概念和360,929个事件.
- 概念小组确定了 postoperative CSF泄漏的关联,包括"抗生素"",败血症"和"重症监护室入院".
- 该NLP模型实现了高精度:精度0.92,回忆0.96,宏观F1 0.93.
结论:
- 该NLP模型成功地从VS患者的电子健康记录中提取和组织概念,从而实现了个性化的概念面板.
- 在手术环境中,NLP在早期诊断,并发症预测和增强患者护理方面显示出显著的前景.
- 需要进一步的研究来验证NLP在临床实践中的预测能力.
