基于 Transformer 的自然语言处理模型在肺癌患者社会与行为健康决定因素中的研究

社会与行为健康决定因素（SBDoH）在塑造人群健康方面具有重要作用。在临床研究中，尤其是比较效果研究，若未对 SBDoH 因素进行调整，可能会在统计分析及基于机器学习的模型中引发混杂问题与误分类错误。然而，由于当前电子健康记录（EHR）系统中缺乏结构化的 SBDoH 信息，而大量 SBDoH 信息记录于临床叙述中，考察临床结局中 SBDoH 因素的研究十分有限。因此，自然语言处理（NLP）是从非结构化临床文本中提取此类信息的关键技术。但目前尚无成熟的专注于 SBDoH 的临床 NLP 系统。在本研究中，我们考察了两种最先进的基于 transformer 的 NLP 模型，包括 BERT 与 RoBERTa，以从临床叙述中提取 SBDoH 概念；将性能最优的模型应用于肺癌筛查患者队列以提取 SBDoH 概念；并考察 NLP 提取结果与结构化 EHR（以国际疾病分类代码等标准词汇捕获的 SBDoH 信息）间 SBDoH 信息的差异。实验结果显示，基于 BERT 的 NLP 模型取得了最佳的严格/宽松 F1 分数，分别为 0.8791 与 0.8999。在包含 864 名患者、161,933 份各类临床笔记的肺癌患者队列中，NLP 提取的 SBDoH 信息与结构化 EHR 的比较表明，有关吸烟、教育与就业的更详尽信息仅记录于临床叙述中，且有必要同时使用临床叙述与结构化 EHR 来构建更完整的患者 SBDoH 因素画像。