利用自然语言处理从临床叙述中识别谵妄症状
计算与语言
2023-04-04 v1
摘要
谵妄是一种注意力、意识或其他认知功能的急性下降或波动，可导致严重的不良结局。尽管结局严重，由于其短暂且多样的性质，谵妄在患者电子健康记录（EHR）中常被漏识且未编码。自然语言处理（NLP）是一项从临床叙述中提取医学概念的关键技术，已在谵妄结局与症状研究中展现出巨大潜力。为辅助谵妄的诊断与表型分析，我们组建专家小组对多样的谵妄症状进行分类，编写标注指南，构建了含多种谵妄症状语料库，并开发了从临床笔记中提取谵妄症状的 NLP 方法。我们比较了 5 个最先进的 transformer 模型，包括来自通用领域的 2 个模型（BERT 与 RoBERTa）和来自临床领域的 3 个模型（BERT_MIMIC、RoBERTa_MIMIC 与 GatorTron）。GatorTron 取得了最佳的严格与宽松 F1 分数，分别为 0.8055 与 0.8759。我们进行了错误分析以识别标注谵妄症状及开发 NLP 系统中的挑战。据我们所知，这是首个基于大语言模型的谵妄症状提取系统。我们的研究为未来可计算表型与谵妄诊断方法的发展奠定了基础。
引用
@article{arxiv.2304.00111,
title = {Identifying Symptoms of Delirium from Clinical Narratives Using Natural Language Processing},
author = {Aokun Chen and Daniel Paredes and Zehao Yu and Xiwei Lou and Roberta Brunson and Jamie N. Thomas and Kimberly A. Martinez and Robert J. Lucero and Tanja Magoc and Laurence M. Solberg and Urszula A. Snigurska and Sarah E. Ser and Mattia Prosperi and Jiang Bian and Ragnhildur I. Bjarnadottir and Yonghui Wu},
journal= {arXiv preprint arXiv:2304.00111},
year = {2023}
}