利用深度学习在电子健康记录中识别认知障碍患者
计算与语言
2021-11-18 v1 机器学习
摘要
痴呆症是一种导致认知衰退的神经退行性疾病，全球有超过5000万人受其影响。痴呆症在医疗专业人员中存在诊断不足的问题——仅有四分之一的痴呆症患者得到确诊。即使做出了诊断，也可能不会在患者病历中输入为结构化的国际疾病分类（ICD）诊断代码。与认知障碍相关的信息通常存在于电子健康记录中，但由专家人工审查临床医生笔记既耗时又容易出错。对这些笔记进行自动挖掘为在EHR数据中标记认知障碍患者提供了机会。我们开发了自然语言处理工具来识别认知障碍患者，并证明语言上下文能提升认知障碍分类任务的性能。我们微调了基于注意力的深度学习模型，该模型能够从复杂的语言结构中学习，相较于基线NLP模型（0.84），其准确率（0.93）得到显著提升。此外，我们表明深度学习NLP能够成功识别没有痴呆相关ICD代码或药物记录的痴呆症患者。
引用
@article{arxiv.2111.09115,
title = {Using Deep Learning to Identify Patients with Cognitive Impairment in Electronic Health Records},
author = {Tanish Tyagi and Colin G. Magdamo and Ayush Noori and Zhaozhi Li and Xiao Liu and Mayuresh Deodhar and Zhuoqiao Hong and Wendong Ge and Elissa M. Ye and Yi-han Sheu and Haitham Alabsi and Laura Brenner and Gregory K. Robbins and Sahar Zafar and Nicole Benson and Lidia Moura and John Hsu and Alberto Serrano-Pozo and Dimitry Prokopenko and Rudolph E. Tanzi and Bradley T. Hyman and Deborah Blacker and Shibani S. Mukerji and M. Brandon Westover and Sudeshna Das},
journal= {arXiv preprint arXiv:2111.09115},
year = {2021}
}
备注
Machine Learning for Health (ML4H) - Extended Abstract