NLP와 신경망을 사용하여 중증 천식을 자율적으로 식별하고 대규모 의료 시스템에서 연구 적격성 결정

천식은 이질적인 질병이다. 천식의 이질성은 DNA에서 200개 이상의 천식 감수성 유전자좌를 확인한 임상 관찰 및 게놈 전체 연관 연구(GWAS)에 의해 뒷받침됩니다. 이러한 유전적 '핫스팟'은 염증성 사이토카인, 성장 인자 및 사이토카인 IL-4, -5, -13, -25, -33 및 TSLP를 포함하여 기도 염증과 관련이 있는 것으로 알려진 기타 염증성 단백질 근처에 있습니다.

새로운 단일클론 항체 치료법은 중등도에서 중증 천식의 치료 방식을 획기적으로 변화시켰습니다. 지난 7년 동안 도입된 새로운 단일클론 항체 치료법은 중등도에서 중증 천식 환자를 위한 치료 옵션을 크게 발전시켰습니다. 이러한 치료법은 심각한 악화를 효과적으로 줄이거나 제거하고, 입원을 예방하며, 환자의 삶의 질을 향상시킵니다. 그러나 많은 중증 천식 환자, 특히 의료 서비스가 부족한 지역에 거주하는 환자들은 여전히 ​​스테로이드 과잉 치료를 받고 있으며 단클론 항체 치료는 부족합니다.

21세기 치료법법은 연구의 지형을 바꿀 것입니다. 21세기 치료법법(21st Century Cures Act)은 임상 시험 지원, 약물 보장 결정 지원, 국가 치료 지침 개발 및 표준화된 의사 결정 지원 도구를 개발하기 위해 실제 데이터(RWD) 및 실제 증거(RWE) 사용을 강화했습니다. RWE/D의 활용도가 낮은 소스는 전자 건강 기록(EHR)입니다. 기계 학습(ML), AI 및 자연어 처리(NLP)는 EHR 시스템에서 데이터를 활용하는 능력을 크게 향상시키는 기술을 개발하고 있습니다.

이 연구는 새로운 기술(ML, AI, NLP)을 사용하여 EHR 시스템 내에서 중등도에서 중증 천식 인구를 자동으로 식별하고, 다양한 인구 집단에 따른 치료 패턴의 차이를 설명하고, 시험 적격성을 결정하는 것을 목표로 합니다.

기본 목표 기본 목표를 자세히 설명하십시오. 목표 1. Scripps Health EHR에서 얻은 예측 기능을 사용하여 중증 천식(SA) 진단을 결정하고 검증합니다.

• 목표 1a: 구조화된 EHR 데이터에 ML을 적용하여 SA를 예측합니다. 전문 교육을 받은 의사 2명의 의견과 ATS 지침을 사용하여 모델 정확도를 결정합니다.
• 목표 1b: 구조화되지 않은 텍스트에 적용된 NLP를 사용하여 SA를 예측합니다. 목표 1a에서 위와 같이 모델 정확도를 결정합니다.
• 목표 1c: 구조화된 데이터에 적용된 ML 조합을 사용하여 SA를 예측합니다. 목표 1a에서 위와 같이 모델 정확도를 결정합니다.