电子健康记录自动不良药物反应提取
患者的电子健康记录传达了至关重要的信息。自然语言处理技术对这些记录的应用可以是提取信息的有效手段,提取可以改善临床决策,临床文献和计费,疾病预测和对不良药物反应的检测的信息。不良药物反应是一个重大的健康问题,导致医院重新入学甚至成千上万患者的死亡。自动检测系统可以突出显示文档中的声音,总结它们并自动报告它们。
在这方面,施塔尔托大学医院和嘉达子医院“对创建一个使用自然语言处理技术来分析患者的系统有兴趣健康记录为了自动识别任何不利影响,“解释了工程师Sara Santiso,他也掌握了一个博士学位。在计算机科学中。在医院联系IXA集团的UPV / EHU后,几位研究人员开始努力建立一个强大的工作基于临床文本挖掘,从西班牙语中撰写的电子健康记录中提取不良药物反应的模型。
为此,“我们不仅根据传统机器学习算法使用技术,我们也探索了深度学习技巧达到了这些比较能够检测到不良反应的结论,“Santiso解释了这项研究的作者之一。机器学习和深度学习模仿人类脑的学习方式,尽管它们使用不同类型的算法来执行此操作。
在西班牙语中寻找有语料库的困难
Santiso强调了团队在尝试找到一个有足够工作的语料库时遇到的困难:“首先,我们只用几个健康记录开始,因为他们难以获得隐私问题;您必须签署保密协议以便与他们合作,“她解释道。研究团队发现”拥有更大的语料库帮助系统更有效地学习其中包含的示例,从而产生更好的结果。“
通过这项研究,该研究与用西班牙语编写的健康记录进行,“我们正在为临床文本挖掘之间的差距造成英语,并以其他语言进行,占所有文章中出版的所有论文的5%领域。实际上,临床信息的提取尚未完全发展到其他医院和其他语言的信息,尚未充分发展(以及其他事物),以其他语言提取信息,“研究人员索赔。
虽然自然语言在计算机辅助检测中,处理已经是无可估量的帮助药物不良反应,仍有改进的余地:“迄今为止,系统倾向于专注于检测位于同一句子中的药物疾病对。然而,健康记录包含可能揭示基础关系的隐式信息(例如,有关前一种的信息可能是与确定不良事件的原因相关)。换句话说,未来的研究应该努力检测明确和隐含的句子间关系。“此外,另一个问题应该是未来研究的主题是缺乏电子健康记录用西班牙语写。
用户评论