Extracting Physical Rehabilitation Exercise Information from Clinical Notes: a Comparison of Rule-Based and Machine Learning Natural Language Processing Techniques

要約

身体的リハビリテーションは、脳卒中後の患者の回復プロセスにおいて重要な役割を果たします。
予測モデリングと電子医療記録 (EHR) を活用して患者の治療をパーソナライズすることにより、医療提供者はリハビリテーション プロセスをより効率的にすることができます。
予測モデリングが治療計画の割り当てに関する意思決定支援を提供できるようになる前に、構造化されていない EHR から身体リハビリテーション運動情報を抽出する自動化された方法が必要です。
ルールベースの自然言語処理アルゴリズムを導入して、脳卒中患者の治療手順に注釈を付け、それをいくつかの小さな機械学習モデルと比較します。
私たちのアルゴリズムは、十分なデータが利用可能な概念の半分を抽出する際にこれらのモデルよりも優れていることがわかり、個々の演習の説明には、概念ごとに 0.75 以上の f スコアを持つバイナリ ラベルを割り当てることができます。
これらのアルゴリズムをラベルのないドキュメントに展開するには、さらに研究を行う必要がありますが、現在の進歩は、精密リハビリテーション研究の可能性を約束しています。

要約(オリジナル)

Physical rehabilitation plays a crucial role in the recovery process of post-stroke patients. By personalizing therapies for patients leveraging predictive modeling and electronic health records (EHRs), healthcare providers can make the rehabilitation process more efficient. Before predictive modeling can provide decision support for the assignment of treatment plans, automated methods are necessary to extract physical rehabilitation exercise information from unstructured EHRs. We introduce a rule-based natural language processing algorithm to annotate therapeutic procedures for stroke patients and compare it to several small machine learning models. We find that our algorithm outperforms these models in extracting half of the concepts where sufficient data is available, and individual exercise descriptions can be assigned binary labels with an f-score of no less than 0.75 per concept. More research needs to be done before these algorithms can be deployed on unlabeled documents, but current progress gives promise to the potential of precision rehabilitation research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google