在护理点设计和实施自然语言处理系统:MiADE (医疗信息AI数据提取器)

科学领域:

• 生物医学信息学 生物医学信息学
• 临床信息学 临床信息学
• 自然语言处理自然语言处理.

背景情况:

• 电子健康记录 (EHR) 通常包含非结构化的自由文本,阻碍数据检索和研究.
• 在护理点的自然语言处理 (NLP) 可以提高电子健康记录数据的质量和完整性.
• 有限的证据表明NLP对提高电子健康记录数据质量的有效性.

研究的目的:

• 开发和评估一个开源的,模块化的,可配置的NLP系统 (MiADE),用于EHR集成.
• 评估MiADE在改善结构化数据输入和护理点质量的有效性.
• 为NLP在临床环境中的实用性提供证据.

主要方法:

• 开发了MiADE,这是一个NLP系统,使用健康7级临床文档架构 (HL7 CDA) 消息传递与EHR集成.
• 使用MedCAT库进行命名实体识别 (NER) 和链接到SNOMED CT.
• 在患者笔记上训练了MedCAT模型,并进行了性能评估的模拟测试.

主要成果:

• 在诊断概念检测方面,MiADE实现了83.2%的精度和85.2%的回忆.
• 模拟测试表明,临床医生进入结构化问题列表的时间减少了89%.
• 在伦敦大学学院医院 (UCLH) 部署了MiADE在实时临床使用中,与Epic EHR集成.

结论:

• 一个开源的护理点NLP系统MiADE已经成功开发并集成到实时临床EHR使用中.
• MiADE显著减少了临床医生输入结构化诊断代码所需的时间.
• 该系统为提高EHR数据质量和临床工作流程效率提供了有价值的工具.