使用自然语言处理从临床文本中提取信息,以填充临床登记册的电子医疗记录:一个系统的审查

科学领域:

• 医疗信息学 医疗信息学
• 自然语言处理自然语言处理.
• 临床数据管理 临床数据管理

背景情况:

• 临床注册表对于跟踪患者结果和干预安全至关重要.
• 手动从临床文本中提取数据用于注册表是低效的,容易出现错误.
• 自动化这一过程对于推进医疗保健数据管理至关重要.

研究的目的:

• 系统地审查自然语言处理 (NLP) 方法的应用和有效性,以从临床文本中提取信息,以填充临床注册表.
• 识别NLP方法学的趋势,并评估他们在这个领域的表现.

主要方法:

• 在主要数据库 (PubMed,Embase,Scopus,Web of Science,ACM数字图书馆) 进行了系统的文献搜索.
• 包括使用NLP技术用于临床注册人口的研究.
• 提取的数据包括注册表详细信息,文本源,数据元素,NLP方法和性能评估.

主要成果:

• 审查了15篇文章,显示自2020年以来,NLP用于注册表的使用增加.
• 基于机器学习的NLP方法在传统基于规则的方法上越来越受欢迎.
• 仅在一项研究中使用了生成性大语言模型 (LLM),这突出了先进NLP应用中的差距.

结论:

• 对于临床注册人口的NLP的应用目前范围和发表的研究有限.
• 现有的NLP方法面临临的挑战是临床文本和数据的复杂性和可变性.
• 需要进一步开发可适应的NLP框架,包括对生成的LLM的调查,解决准确性,成本,隐私和证据差距.