Identifying Symptoms of Delirium from Clinical Narratives Using Natural Language Processing

要約

タイトル：自然言語処理を用いた臨床的ナラティブからのせん妄症状の特定

要約：

– せん妄は、注意、認識、または他の認知機能に急激な変化が生じることで、深刻な不良結果につながる可能性がある疾患である。
– せん妄は永続性がなく多様な性質を持つため、患者の電子健康記録にはしばしば認識されず、コード化されません。
– 自然言語処理（NLP）は、臨床的ナラティブから医療用語を抽出する主要技術であり、せん妄のアウトカムや症状の研究に大きな可能性を示している。
– せん妄の診断とフェノタイピングを支援するために、専門家パネルを結成し、多様なせん妄症状を分類し、注釈付きガイドラインを作成し、多様なせん妄症状を持つせん妄コーパスを作成し、臨床ノートからせん妄症状を抽出するためのNLP方法を開発しました。
– 一般的なドメインから2つのモデル（BERTとRoBERTa）と臨床ドメインから3つのモデル（BERT_MIMIC、RoBERTa_MIMIC、GatorTron）を含む5つの最新のトランスフォーマーモデルを比較しました。GatorTronは、厳密なF1スコアと寛大なF1スコアの両方で最も優れたスコアを示しました。
– delirium symptomsの注釈付けの課題とNLPシステム開発の課題を特定するためにエラー分析を行いました。
– 現在の知識では、これが初めての大規模言語モデルベースのせん妄症状抽出システムです。当研究は、将来的にせん妄の可算フェノタイプや診断方法の開発の基盤を築きます。

要約(オリジナル)

Delirium is an acute decline or fluctuation in attention, awareness, or other cognitive function that can lead to serious adverse outcomes. Despite the severe outcomes, delirium is frequently unrecognized and uncoded in patients’ electronic health records (EHRs) due to its transient and diverse nature. Natural language processing (NLP), a key technology that extracts medical concepts from clinical narratives, has shown great potential in studies of delirium outcomes and symptoms. To assist in the diagnosis and phenotyping of delirium, we formed an expert panel to categorize diverse delirium symptoms, composed annotation guidelines, created a delirium corpus with diverse delirium symptoms, and developed NLP methods to extract delirium symptoms from clinical notes. We compared 5 state-of-the-art transformer models including 2 models (BERT and RoBERTa) from the general domain and 3 models (BERT_MIMIC, RoBERTa_MIMIC, and GatorTron) from the clinical domain. GatorTron achieved the best strict and lenient F1 scores of 0.8055 and 0.8759, respectively. We conducted an error analysis to identify challenges in annotating delirium symptoms and developing NLP systems. To the best of our knowledge, this is the first large language model-based delirium symptom extraction system. Our study lays the foundation for the future development of computable phenotypes and diagnosis methods for delirium.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI