利用自然语言处理方法通过临床笔记识别急性照护高风险的肿瘤患者
计算与语言
2023-06-28 v2 机器学习
摘要
临床笔记是健康记录的重要组成部分。本文评估了在自然语言处理（NLP）开始化疗后如何用于识别肿瘤患者急性照护使用（ACU）的风险。使用结构化健康数据（SHD）的风险预测现已标准化，但使用自由文本格式的预测很复杂。本文探索使用自由文本笔记而非 SHD 来预测 ACU。深度学习模型与人工设计语言特征进行了比较。结果显示 SHD 模型略微优于 NLP 模型；带有 SHD 的 l1 惩罚逻辑回归达到了 0.748 的 C 统计量（95% 置信区间：0.735, 0.762），而带有语言特征的相同模型达到了 0.730（95% 置信区间：0.717, 0.745），基于 transformer 的模型达到了 0.702（95% 置信区间：0.688, 0.717）。本文展示了语言模型如何在临床应用中使用，并强调即使仅使用自由文本数据，不同患者群体的风险偏差也有所不同。
引用
@article{arxiv.2209.13860,
title = {Natural Language Processing Methods to Identify Oncology Patients at High Risk for Acute Care with Clinical Notes},
author = {Claudio Fanconi and Marieke van Buchem and Tina Hernandez-Boussard},
journal= {arXiv preprint arXiv:2209.13860},
year = {2023}
}
备注
11 pages, 6 figures, 2 tables