NLP とニューラル ネットワークを使用して重度の喘息を自律的に特定し、大規模な医療システムにおける研究の適格性を判断する

喘息は不均一な病気です。 喘息の不均一性は、DNA 内の 200 以上の喘息感受性遺伝子座を同定した臨床観察およびゲノムワイド関連研究 (GWAS) によって裏付けられています。 これらの遺伝的「ホットスポット」は、炎症性サイトカイン、成長因子、およびサイトカイン IL-4、IL-5、-13、-25、-33、TSLP など、気道の炎症に関連していることがわかっているその他の炎症性タンパク質の近くにあります。

新しいモノクローナル抗体療法は、中等度から重度の喘息の治療を劇的に変えました。 過去 7 年間に導入された新しいモノクローナル抗体療法により、中等度から重度の喘息患者に対する治療選択肢が大幅に進歩しました。 これらの治療法は、重度の増悪を効果的に軽減または排除し、入院を防ぎ、患者の生活の質を向上させます。 しかし、多くの重度喘息患者、特に医療が十分に行き届いていない地域に住んでいる患者は依然としてステロイドによる過剰治療を受けており、モノクローナル抗体による治療は不十分である。

21 世紀の治療法は研究の風景を変えるでしょう。 21 世紀治療法は、臨床試験をサポートし、医薬品適用範囲の決定を支援し、国の治療ガイドラインと標準化された意思決定支援ツールを開発するために、実世界データ (RWD) と実世界証拠 (RWE) の使用を強化しました。 RWE/D の十分に活用されていない情報源は、電子医療記録 (EHR) です。 機械学習 (ML)、AI、自然言語処理 (NLP) は、EHR システムでデータを活用する能力を大幅に向上させるテクノロジーを開発しています。

この研究は、新しいテクノロジー (ML、AI、NLP) を使用して、EHR システム内で中等度から重度の喘息集団を自律的に特定し、異なる集団間の治療パターンの違いを記述し、試験の適格性を判断することを目的としています。

主な目的 主な目的を詳しく説明してください。 目的 1. Scripps Health EHR から取得した予測機能を使用して、重度喘息 (SA) の診断を決定し、検証します。

• 目的 1a: 構造化 EHR データに適用された ML を使用して SA を予測します。 専門訓練を受けた 2 人の医師の意見と ATS ガイドラインを使用して、モデルの精度を決定します。
• 目的 1b: 非構造化テキストに適用された NLP を使用して SA を予測します。 上記の目的 1a と同様にモデルの精度を決定します。
• 目的 1c: 構造化データに適用される ML の組み合わせを使用して、SA を予測します。 上記の目的 1a と同様にモデルの精度を決定します。