从临床笔记中提取SARS-CoV-2感染症状的急性后续症状,通过混合自然语言处理
Zilong Bai1, Zihan Xu1, Cong Sun1
1Population Health Sciences, Weill Cornell Medicine, New York, USA.
npj health systems
|September 17, 2025
概括
诊断COVID-19 (PASC) 后急性后续情况是困难的. 一个新的混合自然语言处理管道有效地从临床笔记中提取PASC症状,提高诊断准确性和效率.
科学领域:
- 医疗信息学 医疗信息学
- 自然语言处理自然语言处理.
- 临床研究 临床研究
背景情况:
- 诊断COVID-19的急性后续 (PASC) 由于多样化和不断演变的症状带来了挑战.
- 准确和高效的诊断工具对于管理PASC至关重要.
研究的目的:
- 开发和评估一种混合自然语言处理 (NLP) 管道,用于PASC的症状提取和断言检测.
- 从临床笔记中提高PASC诊断的准确性和效率.
主要方法:
- 开发了一种混合NLP管道,集成基于规则的命名实体识别和基于BERT的断言检测.
- 与临床专家一起创建了一个全面的PASC词典.
- 在11个卫生系统中利用了160个摄入笔记用于模型开发/验证和47,654个笔记用于流行研究.
主要成果:
- 在断言检测方面获得了0.82 (内部) 和0.76 (外部) 的平均F1评分.
- 管道有效地处理每笔记2.448 ± 0.812秒的笔记.
- 证明了强烈的相关性 (r > 0.83对于积极的提及,r > 0.72对于负面的提及),p < 0.0001.
结论:
- 开发的NLP管道对于PASC症状提取和断言检测是有效和高效的.
- 这种方法显示出提高PASC诊断和患者护理的巨大潜力.
- 强调了先进的NLP技术在临床研究和诊断中的实用性.
