在心理健康记录中开发LGBTQ+身份的自然语言处理应用程序
Margaret Heslin1, Jaya Chaturvedi1, Anne Marie Bonnici Mallia2
1Institute of Psychiatry, Psychology & Neuroscience, https://ror.org/0220mzb33King's College London, UK.
自然语言处理 (NLP) 在心理健康记录中有效地识别了女同性恋,男同性恋,双性恋,跨性别者,酷尔和相关 (LGBTQ+) 状态. 这一进步使得对LGBTQ+心理健康护理不平等的关键研究成为可能.
科学领域:
- 数字健康数字健康
- 自然语言处理自然语言处理.
- 心理健康护理研究 心理健康护理研究
背景情况:
- 女同性恋,男同性恋,双性恋,跨性别者,酷尔及相关 (LGBTQ+) 个人面临更高的心理健康问题的风险.
- 对LGBTQ+个人的心理健康护理不平等的研究受到电子健康记录 (EHR) 缺乏结构化数据的阻碍.
- LGBTQ+ 状态往往局限于EHR中的非结构化,自由文本字段,限制了其研究实用性.
研究的目的:
- 调查自然语言处理 (NLP) 的有效性,特别是一个大型语言模型 (来自变压器的双向编码器表示 - BERT),从非结构化的心理健康记录中识别LGBTQ+状态.
- 评估使用NLP从EHR中提取和分析LGBTQ+信息的可行性,用于心理健康研究.
主要方法:
- 利用英国伦敦南部一家主要的精神卫生保健提供商的电子健康记录.
- 从EHR中提取了10,000个随机的文本字符串 (搜索术语周围的100个字符).
- 训练了一种BERT模型,在提取的文本字符串中对LGBTQ+身份的存在或不存在进行分类.
主要成果:
- 在10,000个注释字符串中,14%确认了LGBTQ+身份,而86%是负面的,无关紧要的或不清楚的.
- 最终的BERT模型在2000个注释的测试集上显示出高性能.
- 获得了0.95的精度,0.93的召回率和0.94的F1得分,这表明在识别LGBTQ+身份方面成功率很高.
结论:
- 从非结构化的心理健康记录中,NLP,特别是使用BERT模型,可以准确地确定LGBTQ+状态.
- 这种NLP应用显著增强了研究LGBTQ+心理健康护理的潜力.
- 未来的工作应该集中在完善NLP模型,以区分各种LGBTQ+子组,以更好地检查特定的健康不平等.
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
07:50A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
相关概念视频
Stereotypes, Prejudice, and Discrimination
Sex-linked Disorders
Borderline Personality Disorder
Genetic and Environmental Contributions
Borderline Personality...
Diagnostic and Statistical Manual of Mental Disorders (DSM)
Learning Disabilities
Dyslexia
Dyslexia is a...
Ethnic Identity within a Larger Culture
