从临床信件中自动提取耳学症状:使用自然语言处理进行的一项方法学研究
Nikhil Joshi1,2, Kawsar Noor3,4, Xi Bai3,4
1evidENT Team, Ear Institute, UCL, London, UK. n.joshi@ucl.ac.uk.
BMC medical informatics and decision making
|September 30, 2025
概括
这项研究开发了自然语言处理 (NLP) 模型,自动从临床笔记中提取和语境化耳科症状. 这些模型有望改善医疗保健研究和电子健康记录分析.
科学领域:
- 医疗信息学 医疗信息学
- 计算语言学 计算语言学
- 耳鼻喉科研究 耳鼻喉科研究
背景情况:
- 医疗保健数据主要是非结构化的,这阻碍了研究的可扩展性.
- 手动数据处理是耗时且低效的.
- 自然语言处理 (NLP) 为数据提取提供了自动化解决方案.
研究的目的:
- 开发NLP模型,从自由文本临床文档中提取和语境化耳科症状.
- 为了自动处理与耳学相关的非结构化医疗保健数据.
主要方法:
- 一个混合词典和机器学习NLP模型被训练在1,148个耳科诊所的信件上.
- 双向长短期记忆 (Bi-LSTM) 模型用于症状上下文化.
- 针对六个关键的耳部症状:听力损失,平衡障碍,耳痛,耳鼻,耳和头.
主要成果:
- 症状提取模型实现了0.73.3的宏F1得分.
- 双LSTM模型在上下文化方面获得了0.69的平均宏观F1得分.
- 24%的患者出现听力损失,有1,197个症状和2,861个上下文注释.
结论:
- 成功开发了NLP模型用于耳学症状提取和上下文化.
- 模型在真实世界的临床数据上表现良好.
- 潜在的应用包括语义搜索,临床试验队列识别和听力损失表型研究.
更多相关视频
04:04Asthma Detection Research Based on Voice Signal Processing and Machine Learning
Published on: July 22, 2025
930
06:22Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
Published on: September 19, 2025
434
