Revealing the impact of social circumstances on the selection of cancer therapy through natural language processing of social work notes

要約

私たちは、自然言語処理を使用してソーシャルワーカーの文書から洞察を導き出し、がん治療法の選択に対する社会的状況の影響を調査することを目的としました。
私たちは、階層型マルチステップ BERT モデル (BERT-MS) を使用して、臨床ソーシャル ワーカーによる文書のみに基づいて患者に対する標的がん治療の処方を予測する、Bidirectional Encoder Representations from Transformers (BERT) ベースのアプローチを開発および採用しました。
私たちのコーパスには、乳がんの治療を受けたすべての患者を対象とした、自由記述の臨床ソーシャルワークノートと薬の処方情報が含まれていました。
私たちは、がん治療法の選択に影響を与える特定の社会的状況を正確に特定するために、特徴重要度分析を実施しました。
ソーシャルワークノートのみを使用して、我々は一貫して標的療法の投与を予測し、非臨床的要因による治療選択の体系的な違いが存在することを示唆しました。
UCSF で臨床テキストで事前トレーニングされた UCSF-BERT モデルは、AUROC が 0.675、マクロ F1 スコアが 0.599 で、他の公的に利用可能な言語モデルを上回りました。
複数のノートを活用できる UCSF BERT-MS モデルは、AUROC と Macro-F1 の両方で UCSF-BERT モデルを上回りました。
私たちの特徴重要度分析により、治療格差に潜在的に寄与する臨床的に直観的な健康の社会的決定要因 (SDOH) がいくつか特定されました。
私たちの調査結果は、健康の社会的決定要因に基づいて、さまざまな種類の治療を受けている乳がん患者の間に重大な格差が存在することを示しています。
ソーシャルワークの報告書は、臨床上の意思決定におけるこうした差異を理解する上で重要な役割を果たします。

要約(オリジナル)

We aimed to investigate the impact of social circumstances on cancer therapy selection using natural language processing to derive insights from social worker documentation. We developed and employed a Bidirectional Encoder Representations from Transformers (BERT) based approach, using a hierarchical multi-step BERT model (BERT-MS) to predict the prescription of targeted cancer therapy to patients based solely on documentation by clinical social workers. Our corpus included free-text clinical social work notes, combined with medication prescription information, for all patients treated for breast cancer. We conducted a feature importance analysis to pinpoint the specific social circumstances that impact cancer therapy selection. Using only social work notes, we consistently predicted the administration of targeted therapies, suggesting systematic differences in treatment selection exist due to non-clinical factors. The UCSF-BERT model, pretrained on clinical text at UCSF, outperformed other publicly available language models with an AUROC of 0.675 and a Macro F1 score of 0.599. The UCSF BERT-MS model, capable of leveraging multiple pieces of notes, surpassed the UCSF-BERT model in both AUROC and Macro-F1. Our feature importance analysis identified several clinically intuitive social determinants of health (SDOH) that potentially contribute to disparities in treatment. Our findings indicate that significant disparities exist among breast cancer patients receiving different types of therapies based on social determinants of health. Social work reports play a crucial role in understanding these disparities in clinical decision-making.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google