Feb, 2022

电子病历信息利用的 NLP 解决方案，促进医院护理决策效率提升

PDF
TL;DR研究开发了一种技术解决方案，通过机器学习自动识别临床记录中的属性，使患者历史记录更全面，提高了临床决策的效率。
clinical recordsportuguesemachine learningpatient historyefficiency
发现论文，激发创造
  • 电子病历中的自然语言处理与医疗决策：一项系统性综述

    本研究阐述了自然语言处理技术在电子病历上的应用存在的挑战和限制，以及研究人员使用机器学习、深度学习等技术进行处理和信息提取的相关领域和方法。

    Jun, 2023

  • 电子病历中的非结构化数据神经自然语言处理：综述

    本文综述了当前神经自然语言处理方法在电子病历应用中的广泛运用，包括分类和预测，词嵌入，提取，生成以及其他诸如问答、表型、知识图谱、医学对话、多语言性和可解释性等领域。

    Jul, 2021

  • 二阶段联邦表型分类和患者表征学习

    我们开发了一种基于联邦自然语言处理的方法，能够利用来自不同医院或诊所的临床笔记，改进特定临床任务的质量，并促进整个医疗保健系统的知识进步。这是联邦机器学习在临床自然语言处理中的第一次应用。

    Aug, 2019

  • 通过自然语言处理技术识别家族史中的健康风险调查

    利用自然语言处理和机器学习技术，通过电子健康记录，可以提取家族疾病风险信息，进而在人们晚年之前帮助医生识别健康风险，拯救生命并减少医疗费用。

    Mar, 2024

  • 一种用于葡萄牙语肿瘤健康记录的生物医学实体提取流水线

    采用深度神经模型，结合命名实体识别，并参考葡萄牙肿瘤研究所的专家意见，文中提出了一种从欧洲葡萄牙语癌症病历中提取手术程序，药物和疾病的策略，并取得了较好的性能表现。

    Apr, 2023

  • 临床文本自然语言处理的交互工具

    该研究介绍了一个原型工具，结合多种可视化方式，帮助终端用户理解临床文本中提取出的信息，修正必要错误，形成反馈循环，支持 NLP 模型的优化。针对该工具进行的临床医生和研究人员的用户研究显示，用户可以快速开始修正 NLP 模型，尽管他们很少或没有机器学习经验。研究结果还提供了优化界面以支持结果审查工作流程和解释的建议。

    Jul, 2017

  • 基于电子病历的计算表型自然语言处理

    文章综述了自然语言处理在电子健康记录领域的应用，重点介绍了计算表型学方法，包括基于关键词搜索和基于规则的系统等算法，以及监督式机器学习模型、深度学习和非监督式学习等最近受到关注的算法。同时文章指出在病历中特征关系的处理、模型可解释性和推广性等方面仍有待解决的问题。

    Jun, 2018

  • EHRKit：面向电子健康档案文本的 Python 自然语言处理工具包

    本文介绍了 EHRKit python 库，该库包含两个主要部分，MIMIC-III 特定功能和任务特定功能，通过访问 MIMIC-III NOTEEVENTS 数据并整合多个第三方库，以处理包括实体识别、文本摘要、机器翻译等 12 个 NLP 任务的临床文本。

    Apr, 2022

  • 提高临床试验的患者招募效率：基于提示的学习模型应用

    应用基于提示的大型语言模型在临床试验中基于资格标准对患者进行分类的研究提供了有希望的分数，并提出了一种利用 SNOMED CT 本体论进行提取式摘要的方法，该方法也可以应用于其他医学文本。

    Apr, 2024

  • 利用自然语言处理进行临床自由文本去识别的当前方法综述

    电子健康记录（EHRs）是数据驱动型医学研究的宝贵资源，而去识别（即去除个人健康信息）是使 EHR 数据可供研究目的共享的关键步骤。本研究系统审查了过去 13 年临床自由文本去识别的发展，并报告了目前最先进系统的性能和局限性，并识别了该领域的挑战和研究机会。

    Nov, 2023