复制当前程序术语使用机器学习对鼻科操作笔记的代码分配
Christopher P Cheng1, Ryan Sicard1, Dragan Vujovic1
1Department of Medical Education Icahn School of Medicine at Mount Sinai New York New York USA.
概括
机器学习算法可以从操作笔记中对耳鼻喉科手术代码进行分类. 计量矢量化器和天真贝叶斯模型实现了最高的准确性,显示了自动化行政任务的潜力.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 文件和账单是耳鼻喉科医生耗时的行政任务.
- 机器学习 (ML) 的进步为自动化这些任务提供了潜在的解决方案.
研究的目的:
- 通过使用操作注释,评估ML算法通过当前程序术语 (CPT®) 代码对鼻科手术进行分类的能力.
- 评估ML在复制鼻科医生行政任务完成方面的潜力.
主要方法:
- 一项回顾性队列研究分析了22位耳鼻喉科医生在6个CPT代码中的594份手术笔记.
- 进行了文本预处理和向量化 (CountVectorizer,TF-IDF,Word2Vec).
- 训练和测试了决策树,支持向量机,后勤回归和天真贝叶斯算法.
主要成果:
- 模型性能在向量化器和算法之间有所不同.
- 使用CountVectorizer和Naïve Bayes的组合显示出最好的整体性能.
- 这种组合实现了0.984.98的接收机运行特征曲线 (ROC-AUC) 下的最高面积.
结论:
- 基本的ML算法显示出在耳鼻喉科中对CPT代码进行分类的潜力.
- 机器学习算法的有效性取决于上下文.
- ML有可能帮助鼻科医生完成行政任务.
