発がんと突然変異誘発のジャーナル

概要

自然言語処理により、多施設大腸内視鏡検査の適応、所見、病理レポートを正確に分類

シャシャンク・レディ・ヴァディヤラ

大腸内視鏡検査は、大腸がん（CRC）のスクリーニングに使用されます。電子健康記録（EHR）の自由記述から大腸内視鏡検査の所見の詳細を抽出することで、患者のCRCリスクと大腸内視鏡検査の戦略を決定できます。私たちは、適応、病理、所見メモなどの関連する自由記述レポートを解釈するための臨床意思決定支援システムの情報を抽出するためのディープラーニングモデルフレームワークを開発し、その精度を評価しました。Bio-Bi-LSTM-CRFフレームワークは、双方向長短期記憶（Bi-LSTM）と条件付きランダムフィールド（CRF）を使用して開発され、大腸内視鏡検査の適応、大腸内視鏡検査中の所見、切除材料の病理など、これらの自由記述レポートからいくつかの臨床的特徴を抽出します。私たちは、3,867人の患者からの4,000件の手動で注釈が付けられたメモの80％で、Bio-Bi-LSTM-CRFと既存のBi-LSTM-CRFモデルをトレーニングしました。これらの臨床記録は、4 つの退役軍人医療センターに登録されている 40 歳以上の患者グループのものです。残りの注釈付き記録の合計 10% はハイパーパラメータのトレーニングに使用され、残りの 10% はモデル Bio-Bi-LSTM-CRF の精度を評価し、Bi-LSTMCRF と比較するために使用されました。実験では、Bio-Bi-LSTM-CRF の辞書関数ベクトルと戦略文字列埋め込みアプローチを統合した双方向エンコーダー表現が、EHR から抽出された臨床記録から大腸内視鏡検査の特徴を識別する効果的な方法であることが示されました。Bio-Bi-LSTM-CRF モデルは、大腸がんのリスクがある患者を特定し、その健康結果を研究する新しい機会を生み出します。