非结构化临床笔记中自动表型标注的临床效用：ICU 用例
计算与语言
2021-11-25 v2
摘要
目的：临床笔记包含其他处不存在的信息，包括药物反应和症状，所有这些在预测急症护理患者关键结局时都高度重要。我们提出从临床笔记中自动标注表型作为一种捕获关键信息的方法，其补充通常使用的生命体征和实验室检测结果，用于预测重症监护病房（ICU）中的结局。方法：我们开发了一种新颖的表型标注模型来标注患者的表型特征，然后将其用作预测模型的输入特征以预测 ICU 患者结局。我们通过在三个 ICU 预测任务（包括院内死亡率、生理失代偿和住院时长）上使用 MIMIC-III 数据集对超过 24,000 名患者进行的实验来展示和验证我们的方法。结果：结合表型信息的预测模型达到 0.845（AUC-ROC）预测院内死亡率，0.839（AUC-ROC）用于生理失代偿，以及 0.430（Kappa）用于住院时长，所有这些均持续优于仅利用生命体征和实验室检测结果的基线模型。此外，我们进行了透彻的可解释性研究，表明表型在患者和队列层面提供了有价值的见解。结论：所提方法表明表型信息补充了传统使用的生命体征和实验室检测结果，显著改善了 ICU 中结局的预测。
引用
@article{arxiv.2107.11665,
title = {Clinical Utility of the Automatic Phenotype Annotation in Unstructured Clinical Notes: ICU Use Cases},
author = {Jingqing Zhang and Luis Bolanos and Ashwani Tanwar and Julia Ive and Vibhor Gupta and Yike Guo},
journal= {arXiv preprint arXiv:2107.11665},
year = {2021}
}
备注
Manuscript under review