对自然语言处理系统的验证,以识别大量患者队列中的转移性割敏感前列腺癌患者

科学领域:

• 在瘤学瘤学.
• 医疗保健中的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 与发达国家相比,拉丁美洲的前列腺癌 (PC) 死亡率要高得多.
• 在拉丁美洲人群中,联合雄激素剥夺疗法 (ADT) 和新激素疗法 (NHT) 的有效性尚未得到研究.
• 电子健康记录 (EHR) 数据具有研究潜力,但需要先进的分析工具.

研究的目的:

• 开发和评估人工智能和自然语言处理 (NLP) 工具,用于分析前列腺癌患者的电子病历数据.
• 提取和编码拉丁美洲队列中转移性割敏感前列腺癌 (mCSPC) 第一线治疗模式的数据.
• 评估人工智能工具在识别与前列腺癌诊断和治疗相关的关键临床变量方面的性能.

主要方法:

• 布宜诺斯艾利斯意大利医院 (HIBA) 医疗保健AI计划和瘤学部门开发了一种专门的AI和NLP工具.
• 从2010年至2020年期间接受HIBA治疗的mCSPC患者的EHR数据的分析.
• 用精度,回忆和F1评分对诊断,转移检测和治疗启动等关键变量进行AI工具性能评估.

主要成果:

• 人工智能工具在"前列腺癌诊断"和"转移发育检测" (0.91) 中实现了高回忆率 (0.95).
• 在"一线治疗启动"方面观察到出色的表现,精度,回忆和F1分数分别为0.94,0.97和0.95.
• 对于更复杂的变量,如"割抗性检测" (F1分数为0.60),注意到较低的性能指标,表明需要改进的领域.

结论:

• 开发的AI和NLP工具显示出在前列腺癌研究中从EHR中提取有价值的临床信息的巨大潜力.
• 该工具在识别转移性疾病和开始治疗方面表现良好,这对于了解治疗模式至关重要.
• 需要进一步改进,以提高该工具用于复杂临床事件检测的准确性,优化其在瘤学中的实用性.