从临床笔记中检测住院患者痴呆的自然语言处理技术:系统性审查
Ravi Shankar1, Janani Kannan2, Yih Hng Tan2
1Medical Affairs - Research Innovation & Enterprise, Alexandra Hospital, Singapore, Singapore. ravisr.srivastava@gmail.com.
NPJ digital medicine
|November 20, 2025
概括
使用自然语言处理 (NLP) 在住院患者中自动检测狂妄症显示出有前途. 虽然像变压器这样的先进模型表现良好,但验证和实施方面的挑战阻碍了临床使用.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 临床决策支持 临床决策支持
背景情况:
- 痴呆症在住院的老年人 (50%) 和ICU患者 (80%) 中普遍存在.
- 目前的检测率 (20-30%) 低于最佳水平,强调需要改进方法.
- 自然语言处理 (NLP) 提供了一个从临床笔记中自动检测妄想的潜在解决方案.
研究的目的:
- 系统地审查和分析自然语言处理 (NLP) 技术,用于自动检测妄想.
- 评估NLP方法的性能,方法和局限性,用于在临床环境中识别痴呆症.
主要方法:
- 对NLP技术用于痴呆症检测的系统文献综述.
- 在8个数据库中进行了搜索,截至2025年3月,分析了13项涉及45万多名患者的研究.
- 关于NLP方法的分类,包括基于规则的,机器学习,深度学习,主题建模和半监督学习.
主要成果:
- 在审查的NLP技术中,变压器模型表现出最高的性能 (AUROC 0.984).
- 在不同研究中,灵敏度差异很大 (28.5%至99.1%).
- 由于不充分的验证,注意到存在重大偏差风险 (61.5%);外部验证和前性实施基本上不存在.
结论:
- 在NLP中,特别是基于变压器的模型中,对于精确的妄想检测具有很高的潜力.
- 目前的研究面临着关键的报告缺陷,包括公平性,数据处理和实施指导.
- 临床部署的障碍需要进一步研究强大的验证和实际实施策略.
