코로나바이러스(COVID-19) 조사를 위한 자유 텍스트 노트의 자연어 처리(NLP) 분석

COVID-19로 케임브리지 대학 병원(CUH)에 입원한 환자는 일상적인 임상 기록과 COVID-19에 대한 특정 조사 및 검사를 받았습니다. 이러한 환자를 위한 경로는 병실에서의 지지 조치부터 집중 치료실(ITU) 입원 및 환기 지원이 필요한 악화까지 다양합니다. 환자는 또한 급성 신장 손상 및 혈전색전증과 같은 합병증이 발생할 위험이 있습니다. 이러한 결과에 대한 위험 요소와 환기 요구 사항과 같은 다른 결과를 식별하는 것은 여전히 ​​어려운 과제이며 이러한 환자에 대한 임상 데이터를 검토하는 것은 환자 특성과 결과 사이의 관계를 이해하는 데 중요합니다.

EHR의 구조화된 필드에서 사용할 수 있는 데이터가 있지만 때때로 불완전하고 부정확합니다. 자유 텍스트 임상 노트의 평가는 격차를 메울 수 있는 기회를 제공하고 평가를 위한 훨씬 더 풍부한 데이터 세트를 제공합니다. 우리는 자연어 처리(NLP)(컴퓨터가 인간의 언어를 분석할 수 있는 기계 학습 분야)를 사용하여 COVID-19로 병원에 입원한 환자의 퇴원 요약을 검토하고 무료 텍스트 데이터를 구조화된 데이터로 변환하여 분석할 계획입니다.

Dr Collier 팀이 개발한 NLP 기술에는 자유 텍스트를 SNOMED CT 및 기타 생물의학 온톨로지로 코딩하는 방법이 포함됩니다. 사람이 주석을 단 텍스트의 통계적 기계 학습을 기반으로 하는 이러한 방법은 과학 텍스트 및 소셜 미디어에 대해 벤치마킹되었습니다. 이 프로젝트에서 우리는 이러한 기술을 환자 기록에 적용하려고 합니다. 이 기술을 적용하려면 주석이 달린 여러 환자 기록이 필요합니다. NLP 출력은 EHR의 구조화된 데이터와 결합되고 통계 분석을 거쳐 COVID-19 환자의 합병증 비율과 이와 관련된 위험 요소를 식별합니다. 이는 이러한 환자의 불량한 결과를 방지하기 위해 조기 개입을 통해 관리 결정을 안내하는 데 도움이 될 수 있습니다.