基于本体与自然语言处理的临床笔记中不良童年经历识别
计算与语言
2022-08-25 v1 机器学习
摘要
不良童年经历（ACEs）被定义为发生在童年和/或青春期期间的一系列高度紧张且可能具有创伤性的事件或环境。研究表明，它们与日后心理健康疾病或其他异常行为风险增加相关。然而，利用自然语言处理（NLP）从自由文本电子健康记录（EHRs）中识别ACEs具有挑战性，因为（a）不存在可直接用于NLP的ACE本体；（b）可用于机器学习的样本有限，需要从临床专家处进行数据标注。我们目前正在开发一种工具，利用NLP技术辅助从临床笔记中发掘ACEs。这将使我们能够在大规模、纵向的自由文本EHRs中进一步研究识别ACEs与后续精神疾病（如成瘾）发生之间关系的证据，而这是以往无法实现的。
引用
@article{arxiv.2208.11466,
title = {Adverse Childhood Experiences Identification from Clinical Notes with Ontologies and NLP},
author = {Jinge Wu and Rowena Smith and Honghan Wu},
journal= {arXiv preprint arXiv:2208.11466},
year = {2022}
}