Jan, 2024

临床记录自然语言处理与使用诊断代码识别存在问题的退伍军人滥用阿片类药物的比较

PDF
TL;DR电子病历是研究阿片类药物使用障碍的数据来源，研究表明存在被低估的阿片类药物使用障碍诊断，然而问题性阿片类药物使用可以在临床记录中被记录。通过自然语言处理 (NLP) 工具和 ICD 阿片类药物使用障碍诊断编码，本研究在两个退伍军人事务办公区的病例组 (n=222,371) 的临床记录中鉴定了存在问题性阿片类药物使用的患者，并比较了通过 NLP 和 ICD 编码鉴定患者的人口特征和临床特征，发现通过 NLP 鉴定的患者普遍更可能为女性。
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

  • 使用自然语言处理方法识别具有高急危重症风险的肿瘤患者临床记录

    本研究使用自然语言处理技术，比较了深度学习模型和手动工程化语言特征模型，在使用自由文本格式预测急性护理使用风险上的表现，结果表明，使用结构化健康数据模型能够最小限度地胜过 NLP 模型。

    Sep, 2022

  • 自然语言处理方法识别心理健康记录中的疼痛提及

    本研究使用心理健康电子健康记录数据库中的数据训练基于机器学习的分类算法，以从大型数据库中提取相关的疼痛信息，并将其用于进一步研究疼痛和心理健康，并最终通过分类器的优化来实现精度的提高。

    Apr, 2023

  • 临床病历记录中的问答系统提取注射药物使用信息

    本研究设计和证明了一种问答 (QA) 框架，从临床进展笔记中提取注射药物使用 (IDU) 相关信息，因为难以从患者的电子健康记录 (EHR) 中提取 IDU 行为，该方法涉及两个主要步骤：生成一个 QA 数据集和开发和测试 QA 模型。结果表明，QA 模型能够从时域分布数据中提取与 IDU 相关的信息。

    May, 2023

  • 使用出院总结的自动 ICD 编码和分类系统的系统性文献综述

    该研究系统地回顾了 2010 年至 2020 年间使用自然语言处理、机器学习和深度学习等方法来帮助医生更准确、高效地对患者病历进行编码的研究，其中共筛选出 38 篇符合条件的文献，并提出了未来的研究方向。

    Jul, 2021

  • 利用大型语言模型从临床记录中提取物质使用障碍的严重程度：一种零样本学习方法

    应用大型语言模型（LLMs）从临床记录中提取各种药物使用障碍（SUD）诊断的严重性相关信息的研究，展示 LLMs 在提取严重性信息方面的优越性，有助于改善 SUD 患者的风险评估和治疗计划。

    Mar, 2024

  • 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

  • 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

  • 利用自然语言处理对网络风险临床注释进行分类

    该研究旨在找到评估临床笔记网络风险的有效方法。通过使用不同的分类器开发几个模型，发现 SVM 分类器使用 Word2Vec 特征的最大 F1 分数为 0.792，可用于识别可能包含敏感信息的区域，并用于提高临床笔记完全去识别的识别。

    Mar, 2022

  • 利用先进自然语言处理和伪标签自动评分临床病人笔记

    该研究引入了最先进的自然语言处理技术（具体为掩蔽语言建模预训练）和伪标记的方法，以应对临床病历评估的挑战，提高效率和性能，并改变临床病历评估的潜力。

    Jan, 2024