从癌症中从电子健康记录中提取信息的自然语言处理的性能:系统审查
Simon Dahl1,2, Martin Bøgsted1,2,3, Tomer Sagi4
1Center for Clinical Data Science, Department of Clinical Medicine, Aalborg University, Selma Lagerløfs Vej 249, Gistrup, 9260, Denmark, +45 99407244.
自然语言处理 (NLP) 有效地从临床文本中提取癌症信息. 双向变压器 (BT) 模型在癌症研究中明显优于其他NLP方法,其实施率持续增加.
科学领域:
- 生物医学信息学 生物医学信息学
- 计算语言学 计算语言学
背景情况:
- 自然语言处理 (NLP) 为从临床数据中提取信息 (IE) 提供了解决方案.
- 癌症研究中的NLP应用正在增长,重点是从临床文本中提取癌症相关实体.
研究的目的:
- 总结和比较各种NLP模型在癌症研究中的IE的性能.
- 提供有关癌症相关实体提取现有NLP模型相对性能的概述.
主要方法:
- 对3个数据库 (PubMed,Scopus,Web of Science) 的系统文献审查.
- 包括33篇关于从临床文本中提取癌症相关实体的文章.
- 将NLP模型分类为基于规则的,传统的机器学习,基于条件随机场的,神经网络和双向变压器 (BT).
- 提取和计算平均F1分数以进行性能比较.
主要成果:
- 文章的表现各不相同,F1分数从0.355到0.985.5不等.
- 与所有其他类别相比,双向变压器 (BT) 模型表现出优异的性能,平均F1分数在0.2335至0.0439.9之间.
- 多年来,BT模型的实施趋势越来越强.
结论:
- 从非结构化的临床文本中提取与癌症相关的实体,NLP是有效的.
- 先进的NLP模型通常表现优于简单的NLP模型.
- 双向变压器 (BT) 模型代表了这个任务的最佳表现类别.
更多相关视频
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
相关概念视频
Methods of Documentation VII: EMR
Combination Therapies and Personalized Medicine
The combination of the drug acetazolamide and sulforaphane is a good example of combination therapy to treat cancer. The cells in the interior of a large tumor often die due to the hypoxic and...
Cancer Survival Analysis
Health Information Technology and Healthcare Information System
Health Information Technology, commonly called HIT, integrates advanced information systems and technology in healthcare settings. Its primary functions include:
Cancer
