利用自然语言表示从临床叙述中检测患者状况
计算与语言
2022-09-28 v7 信号处理
摘要
临床数据管理系统与人工智能方法的快速进展开启了个性化医疗时代。重症监护病房（ICU）是此类发展的理想临床研究环境，因为它们收集大量临床数据且高度计算机化。我们基于前瞻性 ICU 数据库设计了一项回顾性临床研究，利用临床自然语言辅助危重儿童心力衰竭的早期诊断。方法包括对学习算法进行实证实验，以学习法语临床笔记数据的隐藏解释与表示。本研究纳入 1386 名患者的临床笔记，含 5444 条单行笔记。由两名独立医师采用标准化方法分类，其中阳性病例 1941 例（占总数的 36%），阴性病例 3503 例。多层感知机神经网络优于其他判别与生成分类器。因此，所提框架取得了整体分类性能：准确率 89%、召回率 88%、精确率 89%。本研究成功将学习表示与机器学习算法应用于单一法国机构中从临床自然语言检测心力衰竭。仍需进一步工作以将相同方法用于其他机构与其他语言。
引用
@article{arxiv.2104.03969,
title = {Detecting of a Patient's Condition From Clinical Narratives Using Natural Language Representation},
author = {Thanh-Dung Le and Rita Noumeir and Jerome Rambaud and Guillaume Sans and Philippe Jouvet},
journal= {arXiv preprint arXiv:2104.03969},
year = {2022}
}
备注
Accepted for publication in IEEE Open Journal of Engineering in Medicine and Biology. arXiv admin note: text overlap with arXiv:2104.03934