利用自然语言处理识别电子健康记录中的狼疮性肾炎表型
机器学习
2021-12-22 v1
摘要
系统性红斑狼疮（SLE）是一种罕见的自身免疫性疾病，以不可预测的复发与缓解交替及多样化表现为特征。狼疮性肾炎作为 SLE 导致器官损害和死亡的主要疾病表现之一，是狼疮分类标准的关键组成部分。因此，在电子健康记录（EHRs）中准确识别狼疮性肾炎，将有益于大型队列观察性研究和临床试验，其中患者人群的特征刻画对招募、研究设计与分析至关重要。狼疮性肾炎可通过操作码和结构化数据（如实验室检测）识别。然而，记录狼疮性肾炎的其他关键信息，如肾活检的组织学报告和既往病史叙述，需要复杂的文本处理来从病理报告和临床笔记中挖掘信息。在本研究中，我们开发了使用和不使用自然语言处理（NLP）的算法，基于 EHR 数据识别狼疮性肾炎。我们开发了四种算法：仅使用结构化数据的基于规则的算法（基线算法），以及使用不同 NLP 模型的三种算法。三种 NLP 模型基于正则化逻辑回归，分别使用不同的特征集，包括概念唯一标识符（CUIs）的阳性提及、CUIs 出现次数，以及三部分的混合。基线算法与表现最佳的 NLP 算法在来自范德比尔特大学医学中心（VUMC）的数据集上进行了外部验证。我们表现最佳的 NLP 模型结合了来自结构化数据、正则表达式概念和映射 CUIs 的特征，相较于基线狼疮性肾炎算法，在 NMEDW（0.41 对比 0.79）和 VUMC（0.62 对比 0.96）数据集上均提高了 F 值。
引用
@article{arxiv.2112.10821,
title = {Natural language processing to identify lupus nephritis phenotype in electronic health records},
author = {Yu Deng and Jennifer A. Pacheco and Anh Chung and Chengsheng Mao and Joshua C. Smith and Juan Zhao and Wei-Qi Wei and April Barnado and Chunhua Weng and Cong Liu and Adam Cordon and Jingzhi Yu and Yacob Tedla and Abel Kho and Rosalind Ramsey-Goldman and Theresa Walunas and Yuan Luo},
journal= {arXiv preprint arXiv:2112.10821},
year = {2021}
}