Analisi dell'elaborazione del linguaggio naturale (PNL) delle note a testo libero per indagare sul coronavirus (COVID-19)

I pazienti ricoverati negli ospedali universitari di Cambridge (CUH) con COVID-19 sono stati sottoposti a documentazione clinica di routine e indagini e test specifici per COVID-19. Il percorso per questi pazienti va dalle misure di supporto in reparto al deterioramento che richiede il ricovero in unità di terapia intensiva (ITU) e il supporto ventilatorio. I pazienti sono anche a rischio di sviluppare complicanze come lesioni renali acute e tromboembolia. L'identificazione dei fattori di rischio per questi e altri esiti, come la necessità di ventilazione, rimane una sfida e la revisione dei dati clinici per questi pazienti è fondamentale per comprendere la relazione tra le caratteristiche del paziente e gli esiti.

Ci sono dati disponibili in campi strutturati nell'EHR, tuttavia, questo a volte è incompleto e impreciso. Una valutazione delle note cliniche a testo libero offre l'opportunità di colmare le lacune e fornire un set di dati molto più ricco per la valutazione. Abbiamo in programma di utilizzare l'elaborazione del linguaggio naturale (NLP) (un campo dell'apprendimento automatico che consente ai computer di analizzare il linguaggio umano) per rivedere i riepiloghi delle dimissioni dei pazienti ricoverati in ospedale con COVID-19 e convertire i dati di testo libero in dati strutturati per l'analisi.

Le tecniche di PNL sviluppate dal team del dott. Collier includono metodi per la codifica di testi liberi in SNOMED CT e altre ontologie biomediche. Questi metodi, basati sull'apprendimento automatico statistico da testi con annotazioni umane, sono stati confrontati per testi scientifici e social media. In questo progetto intendiamo adattare queste tecniche per le cartelle dei pazienti. Le tecniche richiederanno un numero di record di pazienti con annotazioni umane per adattarsi. L'output della PNL sarà combinato con i dati strutturati dell'EHR e sottoposto ad analisi statistica per identificare i tassi di complicanze nei pazienti con COVID-19 e i fattori di rischio associati a questi. Ciò può aiutare a guidare le decisioni di gestione mediante un intervento precoce per prevenire esiti negativi in ​​questi pazienti.