文献

J-GLOBAL ID：202202286446613161   整理番号：22A0439450

DI++:臨床ノートにおける患者状態識別のための深層学習システム【JST・京大機械翻訳】

DI++: A deep learning system for patient condition identification in clinical notes

著者 (6件)： Shi Jinhe (New Jersey Institute of Technology, Newark, NJ, United States of America) ,  Gao Xiangyu (New Jersey Institute of Technology, Newark, NJ, United States of America) ,  Kinsman William C. (Inovalon, Bowie, MD, United States of America) ,  Ha Chenyu (Inovalon, Bowie, MD, United States of America) ,  Gao Guodong Gordon (University of Maryland, College Park, MD, United States of America) ,  Chen Yi (New Jersey Institute of Technology, Newark, NJ, United States of America)
資料名： Artificial Intelligence in Medicine  (Artificial Intelligence in Medicine)
巻： 123  ページ： Null  発行年： 2022年 
JST資料番号： T0685A  ISSN： 0933-3657  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： EHRシステムにおける患者の医療条件を正確に記録することは,患者の健康状態を効果的に文書化し,請求をコード化し,データ駆動臨床意思決定を支援する基礎である。しかし,患者状態は構造化EHRシステムにおいてしばしば完全には捉えられないが,非構造化臨床ノートで記録される可能性がある。挑戦は,臨床ノートにおけるすべての疾患が実際に患者の状態を参照しないことである。臨床ノートから患者の状態を同定するための2段階ワークフローを開発した:疾患は抽出と病気の言及分類。疾患同定のためにプロトタイプシステムDI++でこのワークフローを実行した。高度な深層学習モデル,CLSTM-Attentionモデルを,DI++における疾患記述分類のために開発した。脱同定臨床ノートの約100万ページに関する広範な経験的評価は,DI++が,F1スコア,曲線メトリックスの面積,および効率に関して既存のシステムに対して顕著な性能優位性を持つことを示した。提案したCLSTM-Attentionモデルは,疾患記述分類のための既存の深層学習モデルより優れている。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： 意思決定 ,  *ワークフロー
準シソーラス用語： 健康状態 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (7件)： 自然言語処理(NLP) ,  概念抽出 ,  病気の月経抽出 ,  患者の状態分類 ,  臨床ノート ,  深層ニューラルネットワーク ,  深層学習

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： 臨床 ,  ノート ,  患者 ,  識別 ,  深層学習