Természetes nyelvi feldolgozás (NLP) A koronavírus (COVID-19) kivizsgálására szolgáló szabad szöveges megjegyzések elemzése

A Cambridge Egyetemi Kórházakba (CUH) COVID-19-vel felvett betegek rutinszerű klinikai dokumentáción, valamint speciális kivizsgáláson és tesztelésen estek át a COVID-19 miatt. Ezeknek a betegeknek az útja az osztályon végzett támogató intézkedésektől az intenzív terápiás osztályon (ITU) történő felvételt és lélegeztetési támogatást igénylő állapotromlásig terjed. A betegeknél fennáll a szövődmények, például az akut vesekárosodás és a tromboembólia kialakulásának kockázata is. Továbbra is kihívást jelent ezen és más kimenetelek kockázati tényezőinek azonosítása, mint például a lélegeztetés követelménye, és az ezekre a betegekre vonatkozó klinikai adatok áttekintése kritikus fontosságú a betegek jellemzői és az eredmények közötti kapcsolat megértésében.

Az EHR-ben strukturált mezőkben állnak rendelkezésre adatok, ezek azonban esetenként hiányosak és pontatlanok. A szabad szövegű klinikai jegyzetek értékelése lehetőséget ad a hiányosságok pótlására, és sokkal gazdagabb adatkészletet biztosít az értékeléshez. Azt tervezzük, hogy a Natural Language Processing (NLP) (a gépi tanulás egyik területe, amely lehetővé teszi az emberi nyelv elemzését) használatát a COVID-19 miatt kórházba került betegek elbocsátási összefoglalóinak áttekintésére, és a szabad szöveges adatok strukturált adatokká konvertálására elemzés céljából.

A Dr. Collier csapata által kifejlesztett NLP technikák magukban foglalják a szabad szövegek SNOMED CT-be és más orvosbiológiai ontológiákra való kódolására szolgáló módszereket. Ezeket a módszereket, amelyek az emberi kommentárokkal ellátott szövegekből származó statisztikai gépi tanuláson alapulnak, összehasonlították a tudományos szövegekkel és a közösségi médiával. Ebben a projektben ezeket a technikákat kívánjuk adaptálni a betegek nyilvántartására. A technikák alkalmazkodása érdekében számos, humán megjegyzésekkel ellátott betegrekordra lesz szükség. Az NLP-kimenetet kombinálják az EHR strukturált adataival, és statisztikai elemzésnek vetik alá a COVID-19-ben szenvedő betegek szövődményeinek arányát és az ezekhez kapcsolódó kockázati tényezőket. Ez segíthet a vezetői döntések meghozatalában a korábbi beavatkozással, hogy megelőzze ezeknél a betegeknél a rossz eredményeket.