文献

J-GLOBAL ID：202202265956102341   整理番号：22A0181911

頭蓋内腫瘤効果を同定するための頭部CT報告の自然言語処理:CTIMEアルゴリズム【JST・京大機械翻訳】

Natural language processing of head CT reports to identify intracranial mass effect: CTIME algorithm

著者 (11件)： Gordon Alexandra June (Stanford University, Department of Emergency Medicine, Critical Care, Stanford, CA, United States of America) ,  Banerjee Imon (Emory University, Department of Biomedical Informatics, Department of Radiology Georgia Tech, Department of Biomedical Engineering, Atlanta, GA, United States of America) ,  Block Jason (Stanford University, Department of Anesthesia, Division of Critical Care, Stanford, CA, United States of America) ,  Winstead-Derlega Christopher (Duke University, Division of Emergency Medicine, Durham, NC, United States of America) ,  Wilson Jennifer G. (Stanford University, Department of Emergency Medicine, Critical Care, Stanford, CA, United States of America) ,  Mitarai Tsuyoshi (Stanford University, Department of Emergency Medicine, Critical Care, Stanford, CA, United States of America) ,  Jarrett Michael (QuesGen Systems, Inc., Burlingame, CA, United States of America) ,  Sanyal Josh (Stanford University, Department of Biomedical Data Science, Radiology, and Medicine, Stanford, CA, United States of America) ,  Rubin Daniel L. (Stanford University, Department of Biomedical Data Science, Radiology, and Medicine, Stanford, CA, United States of America) ,  Wintermark Max (Stanford University, Department of Radiology, Neuroradiology Division, Stanford, CA, United States of America) ,  Kohn Michael A. (Stanford University, Department of Emergency Medicine UCSF, Department of Epidemiology and Biostatistics, Stanford, CA, United States of America)
資料名： American Journal of Emergency Medicine  (American Journal of Emergency Medicine)
巻： 51  ページ： 388-392  発行年： 2022年 
JST資料番号： W3350A  ISSN： 0735-6757  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 死亡確率モデル(MPM)は,疾患の重症度を調整する研究および品質改善において使用され,また,トリアージ決定を知らせる。しかし,その自動化使用または応用の限界は,電子健康記録(EHR)との人間関与を必要とする可変「頭蓋内質量効果」(IME)を含むことである。CTヘッドレポートからIMEを同定するため,自然言語処理(NLP)アルゴリズムを開発し,試験した。10/2013と9/2016の間のEDからICUに入院した成人患者からの初期CT頭部報告を得た。各頭部CTヘッドレポートは,少なくとも5つの独立したラベルの少なくとも2つによって,yes/no IMEをラベル付けした。次に,報告を80/20の訓練と試験セットにランダムに分割した。すべての報告は言語とスタイルの変動性を除去するために前処理され,辞書は類似の共通項をマッピングするために作成された。報告書テキストを数値ベクトルに変換するために,3つのベクトル化戦略(Term周波数逆文書周波数(TF-IDF),Word2Vec,およびユニバーサルSentence Encoder)をテストした。このベクトルは,分類ツリーベースのアンサンブル機械学習アルゴリズム(XGBoost)への入力として役立った。訓練後,モデル性能を,受信者動作特性曲線(AUROC)下の面積を用いて試験セットで評価した。また,IMEの陽性/非確定/陰性カテゴリーへのスコアの連続範囲も分割した。訓練セットにおける1202のCT報告のうち,308(25.6%)報告は,IMEのための「yes」として手動でラベル付けされた。試験セットにおける355報告のうち,108(30.4%)はIMEの「yes」としてラベル付けされた。XGBoostモデルの入力としてのTF-IDFベクトル化戦略は,最良のAUROC:-0.9625(95%CI0.9443~0.9807)を有した。TF-IDFスコアカテゴリーを定義し,以下の尤度比:陽性(TF-IDFスコア>0.5)LR=24.59;「結論」(TF-IDF0.05-0.5)LR=0.99;そして,「陰性」(TF-IDF<0.05)LR=0.05.82%の報告書は,「陽性」または「陰性」として分類された。試験セットでは,「陰性」分類による199(2.0%)報告のうち4だけが偽陰性であり,「陽性」として分類された93(8.6%)報告のうち8だけが偽陽性であった。NLPは,約80%の記録で頭部CTのフリーテキスト報告からIMEを正確に同定することができ,多くの応用に対するEHRデータに基づくMPMの自動計算を可能にする。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  ベクトル ,  自動化 ,  *言語 ,  死 ,  *自然言語処理 ,  確率モデル ,  学習アルゴリズム ,  トリアージ ,  電子カルテ
準シソーラス用語： ROC曲線 ,  尤度比 ,  ベクトル化 ,  *頭部CT ,  重症度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 救急救命救急 ,  自然言語処理 ,  人工知能 ,  病院死亡率

分類 (1件)： 腫ようの外科療法  (GE03033T)

タイトルに関連する用語 (7件)： 頭蓋 ,  腫瘤 ,  同定 ,  頭部CT ,  報告 ,  自然言語処理 ,  アルゴリズム