面向电子健康记录笔记动态信息检索的机器学习概念化
信息检索
2023-08-17 v1 计算与语言
机器学习
摘要
临床医生花费大量时间筛选患者笔记并在电子健康记录（EHR）中记录文档，这是导致临床医生职业倦怠的主要原因。通过在记录过程中主动且动态地检索相关笔记，我们可以减少查找相关患者病史所需的精力。在这项工作中，我们将 EHR 审计日志用作机器学习监督来源的概念化，以在特定临床背景下的特定时间点提供笔记相关性的监督。我们的评估侧重于急诊科的动态检索，这是一个具有高 acuity 且具有独特信息检索与笔记书写模式的环境。我们表明，我们的方法在预测单次笔记书写会话中将阅读哪些笔记方面可以达到 0.963 的 AUC。我们还与多名临床医生进行了用户研究，发现我们的框架可以帮助临床医生更高效地检索相关信息。证明我们的框架和方法在这一高要求环境中表现良好，是一个有前景的概念验证，表明它们可迁移到其他临床环境及数据模态（例如，实验室检验、用药、影像）。
引用
@article{arxiv.2308.08494,
title = {Conceptualizing Machine Learning for Dynamic Information Retrieval of Electronic Health Record Notes},
author = {Sharon Jiang and Shannon Shen and Monica Agrawal and Barbara Lam and Nicholas Kurtzman and Steven Horng and David Karger and David Sontag},
journal= {arXiv preprint arXiv:2308.08494},
year = {2023}
}
备注
To be published in Proceedings of Machine Learning Research Volume 219; accepted to the Machine Learning for Healthcare 2023 conference