“趋势”医生的笔记可以帮助医院预测Covid-19浪涌

今天发表的一项新研究自然数码医学发现“自然语言处理”（NLP）由医生常规记录的信息 - 作为患者电子健康记录的一部分 - 揭示了重要趋势，可以帮助临床团队预测和患者潮涌计划。

伦敦国王大学医院的研究人员NHS基金会信托（KCH），兼手和圣托马斯医院NHS基金会信托（GSTT），使用NLP算法将医生制造的电子纸币转化为标准化，结构化的医疗可以由计算机分析的术语。

跟踪患者的趋势

在同样的方式，可以通过“HASHTAG”，研究人员在Covid-19 Pandemery去年的关键阶段检测到社交媒体职位，检测到社交媒体职位，检测到KCH和GSTT在KCH和GSTT中的“趋势”的单词或短语。例如，他们跟踪了患有症状Covid-19的关键词的患者记录的数量，例如“干咳”，“发烧”或“肺炎”。在整个大流行病，医院医生已经进入患者症状和测试结果，进入电子健康记录，这些记录用于追踪Covid-19在国家一级的传播。

然而，这些记录通常包含不完整和非结构化数据，这很难访问和分析。

By analyzing the text as a 'bag of words', the researchers were able to produce real-time maps of trending 'signals' (i.e., symptoms that were most frequently recorded by doctors), and these signals closely mirrored patterns of positive laboratory tests reported by each hospital. Clear spikes were visible in March 2020, for instance, during the first wave of COVID-19 cases, and in subsequent waves.

为医院提供预付款

该研究表明，这些信号提供了反映医院目前活动水平的实时情境报告，高达四天的医院提前警告，帮助他们为Covid-19招生中的飙升做准备。

研究作者还报告了伦敦医院Covid-19招生的趋势信号与区域跟踪之间的强大联系。此外，他们发现，随着新的Covid-19症状出现国家，这些症状也被Kch和GSTT的医生更频繁地记录。

詹姆斯TEO博士，国王大学医院和盖伊斯和圣托马斯医院的AI临床主任说：“通过教授电脑如何阅读和理解医生的笔记，我们希望揭示可能有助于战斗的重要模式和趋势对抗Covid-19和其他疾病。

跟踪词趋势电子健康记录提供了一种用于研究疾病和医疗保健活动的额外方法，这种方法非常简单且具有成本效益。虽然这种方法在两个个别医院信托中显示有效，但该方法可以通过合适的隐私保障来扩大到区域甚至国家层面“。

Cogstack.

本研究中使用的CogStack平台使研究人员能够非常迅速地询问复杂的数据集，提供特定医院发生的事情的实时饲料，允许临床团队为进入患者做好准备。

理查德·多斯森教授，摩尔摩·莫德利BRC稳定性与卫生信息学系主任表示：“Cogstack平台允许我们从内部深度提取信息医院King's College Hospital NHS Foundation NHS基金会近期信任。这意味着我们可以预测在收到测试结果等信息之前可能对系统的压力增加可能会增加，以临床团队提前做出反应和准备。“

---

---