通过开放健康自然语言处理联盟 (Open Health Natural Language Processing Consortium) 和进化为下一代临床试验网络 (Evolve to Next-Gen Accrual to
Sunyang Fu1, Min Ji Kwak2, Jaerong Ahn1
1McWilliams School of Biomedical Informatics, University of Texas Health Science Center at Houston, Houston, Texas, United States.
自然语言处理 (NLP) 可以识别电子健康记录 (EHR) 中的错觉,但多站点实施面临挑战. 一种协作方法正在开发一种标准化的NLP模型,用于可扩展的,跨机构的妄想检测.
科学领域:
- 临床信息学 临床信息学
- 自然语言处理自然语言处理.
- 医疗保健研究 医疗保健研究
背景情况:
- 痴呆症在临床环境中经常被诊断不足,并且没有被计费.
- 在大型研究中,手动查看图表以识别妄想是不切实际的.
- 自然语言处理 (NLP) 提供了一个从电子健康记录 (EHR) 中提取临床信息的解决方案.
研究的目的:
- 为国家一体化标准化和评估基于NLP的妄想检测模型.
- 解决在各个机构实施NLP的挑战,以便在不同机构中识别错觉.
- 为了更广泛的可用性,将NLP模型转化为i2b2 / ENACT平台.
主要方法:
- 在 ENACT NLP 工作组内成立了 Delirium 兴趣小组.
- 进行了多个站点的上下文调查,以确定实施挑战.
- 进行了多站点NLP评估,以评估模型性能变化.
主要成果:
- 确定了关键挑战:查实践的变化,需要协调定义,以及时间逻辑的复杂性.
- 在NLP模型中观察到性能下降,原因是不同地点的选,文档和笔记结构的差异.
- 突出了特定地点的变化对模型实施和性能的影响.
结论:
- 这项工作是迈向可扩展,标准化的NLP基于妄检测的关键第一步.
- 一种协作方法确定了影响NLP模型性能的共同挑战和特定场所的问题.
- 开发了一个强大的框架,用于在异构的电子健康记录系统中识别错觉,未来的工作重点是提高有效性和转化影响.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
09:47DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data
Published on: December 15, 2023
相关概念视频
Clinical Trials
There are four phases in a clinical trial. A phase one...
Clinical Trials: Overview
Alzheimer's Disease: Overview
The clinical diagnosis of AD hinges on the presence of memory and other cognitive impairments. Biomarkers, such as changes in Aβ and tau...
Alzheimer's Disease: Treatment
Rapid Identification of Pathogens
Alzheimer Disease l: Introduction
