在规模上将患者记录与混合方法联系起来,该方法结合了对比学习和决定性规则

科学领域:

• 医疗信息学 医疗信息学
• 计算机科学 计算机科学
• 数据科学数据科学数据科学

背景情况:

• 在医疗保健系统中链接患者记录对于全面的健康观点至关重要,但在不一致的标识符和数据质量方面面临挑战.
• 传统的记录链接 (RL) 方法,确定性和概率,在可扩展性和稳定性方面对杂的个人身份信息 (PII) 有局限性.
• 目前的大规模链接经常使用限制性策略,限制召回和患者数据的完整性.

研究的目的:

• 开发和评估混合记录链接方法,将深层嵌入模型与决定性规则集成在一起.
• 提高来自不同医疗保健系统的患者记录连接的准确性,噪声稳定性和可扩展性.
• 为了利用软嵌入和确定性规则的优势,实现可靠和高效的患者数据集成.

主要方法:

• 一个基于BERT的嵌入模型使用一个有对比损失的语网络进行了微调,以将PII字段编码为数值向量.
• 使用这些嵌入矢量进行阻断和聚类方法,生成了去重复的标识符 (模糊ID).
• 后处理步骤包含确定性规则,以在高可信度情况下取代基于嵌入的链接,确保数据完整性.

主要成果:

• 混合RL方法在多个信号 (SSN,电话,电子邮件) 上表现优于基线方法.
• 深度嵌入模型有效地编码了PII,从而实现了强大的除重复和链接.
• 该系统成功扩展到一个商业数据库,包含超过2亿个PII记录,证明了其在现实世界中的适用性.

结论:

• 混合深度嵌入和基于规则的确定性RL系统为患者记录链接提供了灵活,耐噪声和可扩展的解决方案.
• 这种方法显著改进了传统方法,使得患者的健康记录更全面,更准确.
• 成功部署突显了在医疗保健环境中增强数据集成的潜力.