利用电子医疗记录识别癌症治疗的自然语言处理( Natural Language Processing to Identify Cancer Treatments With Electronic Medical Records )

J Zeng I Banerjee AS Henry DJ Wood DL Rubin

目的：了解癌症患者的治疗方法对于制定治疗计划和将治疗模式与个体化医学研究的结果相关联具有重要意义。然而，现有的识别治疗方法往往缺乏。我们开发了一种利用结构化电子病历和非结构化临床记录的自然语言处理方法来识别癌症患者的初始治疗。方法我们从斯坦福癌症研究所的研究数据库中收集了4412例患者和483,782份临床记录，其中包括非转移性前列腺癌、口咽癌和食管癌患者。我们分别训练了每种癌症类型的治疗识别模型，并比较了仅使用结构化、非结构化（bag-of-words,doc2vec,fasttext）和两者的组合（结构化+bow，结构化+doc2vec,结构化+fasttext）的性能。我们在logistic回归、多层感知器、随机森林、支持向量机和随机梯度boosting五种机器学习方法中对辨识模型进行了优化。癌症登记处记录的治疗信息是金标准，并将我们的方法与账单代码相比较为识别基线。结果对于前列腺癌，采用结构化+DOC2VEC进行放射治疗的F1评分为0.99(95%CI，0.97～1.00)，手术治疗的F1评分为1.00(95%CI，0.99～1.00)。对于口咽癌，我们用DOC2VEC化疗获得的F1评分为0.78(95%CI，0.58-0.93)，手术获得的F1评分为0.83(95%CI，0.69-0.95)。对于食管癌，我们使用结构化和非结构化数据的所有组合，在放化疗和手术中获得了1.0(95%CI，1.0-1.0)的F1评分。我们发现，对于所有三种癌症类型，使用自由文本的临床笔记优于使用账单代码或仅使用结构化数据。结论：我们的结果表明，使用自由文本临床记录的治疗识别显著提高了使用帐单代码和简单结构化数据的性能。该方法可用于治疗队列识别，并适用于纵向癌症治疗识别。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate