自然语言处理在放射学报告中的应用：系统性综述

NLP 在推进医疗保健方面具有重要作用，并且已被证明是从放射学报告中提取结构化信息的关键。理解 NLP 在放射学应用中的最新进展具有重要意义，但近期关于此方面的综述十分有限。本研究系统性地评估了 NLP 应用于放射学报告的最新文献。我们的自动化文献检索结合手动审查，使用自动过滤、元数据丰富步骤和引文搜索，产生了 4,799 条结果。我们的分析基于 21 个变量，包括放射学特征、NLP 方法、性能、研究和临床应用特征。我们对检索到的 164 篇出版物进行了全面分析，每篇被归类到 6 个临床应用类别之一。深度学习的使用在增加，但传统的机器学习方法仍然普遍。在数据稀缺时深度学习仍面临挑战，并且几乎没有证据表明其已投入临床应用。尽管 17% 的研究报告了大于 0.85 的 F1 分数，但由于大多数研究使用不同的数据集，很难对这些方法进行比较评估。仅有 14 项研究公开了数据，15 项公开了代码，10 项进行了外部验证。对放射学报告临床叙述的自动理解有潜力增强医疗流程，但如果该领域要将应用推向临床使用，模型的可复现性和可解释性十分重要。可以做得更多以共享代码，从而能够在不同机构数据上验证方法，并减少研究属性报告中的异质性，以便进行跨研究比较。我们的结果对研究人员具有重要意义，提供了对现有工作的系统性综合，以便在此基础上发展、识别差距、合作机会并避免重复。