相关实验视频
Nunzio Zotti1, Guglielmo Arzilli1, Francesco Baglivo1
1Dipartimento di Ricerca Traslazionale e delle Nuove Tecnologie in Medicina e Chirurgia, Università di Pisa.
Recenti progressi in medicina
|October 2, 2025
概括
使用自然语言处理 (NLP) 的AI系统可以从医院记录中识别手术部位感染 (SSI). 伯特-FT表现出卓越的性能,有助于SSI的半自动监控.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 自然语言处理自然语言处理.
背景情况:
- 手术部位感染 (SSIs) 对患者安全构成重大威胁,并增加医疗保健成本.
- 对SSI的有效监测对于感染控制和质量改善至关重要.
- 为SSI识别而手动审查医院出院信件是耗时且资源密集的.
研究的目的:
- 开发和评估一个人工智能系统,从医院出院信中自动识别SSI.
- 为了比较不同机器学习模型的性能,包括BERT-FT,TF-IDF和Word2Vec,用于SSI检测.
- 评估AI在支持半自动SSI监控方面的潜力.
主要方法:
- 使用自然语言处理 (NLP) 和机器学习技术开发人工智能系统.
- 对临床文本数据实施先进的预处理和不平衡处理策略.
- 培训和评估各种模型,包括BERT-FT,TF-IDF和Word2Vec,使用医院出院信件数据集.
主要成果:
- 在确定SSI方面,BERT-FT模型获得了最高的性能,F1得分为0.79.
- BERT-FT显著超过了TF-IDF和Word2Vec.ec等传统方法的表现.
- 在这个特定任务中应用一般的大型语言模型 (LLM) 时,观察到一些局限性.
结论:
- 开发的AI系统,特别是BERT-FT,显示出半自动SSI监控的巨大潜力.
- 该系统可以从临床叙述中提高SSI检测的效率和准确性.
- 未来的工作可以专注于优化翻译,提示和基础设施,以实现更广泛的实施和提高性能.