Journal of Carcinogenesis & Mutagenesis

Abstrait

Le traitement du langage naturel catégorise avec précision les indications, les résultats et les rapports de pathologie issus de la coloscopie multicentrique

Shashank Reddy Vadyala

La coloscopie est utilisée pour le dépistage du cancer colorectal (CCR). L'extraction des détails des résultats de la coloscopie à partir du texte libre dans les dossiers médicaux électroniques (DME) peut être utilisée pour déterminer le risque de cancer colorectal et les stratégies de dépistage colorectal des patients. Nous avons développé et évalué la précision d'un cadre de modèle d'apprentissage profond pour extraire des informations pour le système d'aide à la décision clinique afin d'interpréter les rapports en texte libre pertinents, y compris les indications, la pathologie et les notes sur les résultats. Le cadre Bio-Bi-LSTM-CRF a été développé à l'aide de la mémoire bidirectionnelle à long terme (Bi-LSTM) et des champs aléatoires conditionnels (CRF) pour extraire plusieurs caractéristiques cliniques de ces rapports en texte libre, notamment les indications pour la coloscopie, les résultats pendant la coloscopie et la pathologie du matériel réséqué. Nous avons formé les modèles Bio-Bi-LSTM-CRF et Bi-LSTM-CRF existants sur 80 % des 4 000 notes annotées manuellement de 3 867 patients. Ces notes cliniques provenaient d'un groupe de patients de plus de 40 ans inscrits dans quatre centres médicaux des anciens combattants. Au total, 10 % des notes annotées restantes ont été utilisées pour entraîner les hyperparamètres et les 10 % restants ont été utilisés pour évaluer la précision de notre modèle Bio-Bi-LSTM-CRF et le comparer à Bi-LSTMCRF. Nos expériences montrent que les représentations d'encodeur bidirectionnel en intégrant le vecteur de fonction de dictionnaire de Bio-Bi-LSTM-CRF et l'approche d'intégration de séquences de caractères de stratégies constituent un moyen efficace d'identifier les caractéristiques de la coloscopie à partir des notes cliniques extraites du DSE. Le modèle Bio-Bi-LSTM-CRF crée de nouvelles opportunités pour identifier les patients à risque de cancer du côlon et étudier leurs résultats de santé.