論文の概要: Identifying Symptoms of Delirium from Clinical Narratives Using Natural Language Processing

• arxiv url: http://arxiv.org/abs/2304.00111v1
• Date: Fri, 31 Mar 2023 20:16:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 19:49:43.301534
• Title: Identifying Symptoms of Delirium from Clinical Narratives Using Natural Language Processing
• Title（参考訳）: 自然言語処理による臨床物語からのデリリウムの症状の同定
• Authors: Aokun Chen, Daniel Paredes, Zehao Yu, Xiwei Lou, Roberta Brunson, Jamie N. Thomas, Kimberly A. Martinez, Robert J. Lucero, Tanja Magoc, Laurence M. Solberg, Urszula A. Snigurska, Sarah E. Ser, Mattia Prosperi, Jiang Bian, Ragnhildur I. Bjarnadottir, Yonghui Wu
• Abstract要約: デリリウムは注意、意識、その他の認知機能の急激な低下または変動であり、深刻な有害な結果をもたらす可能性がある。 重篤な結果にもかかわらず、デリリウムは患者の電子的健康記録に認識されず、コード化されていないことが多い。 臨床ノートから, さまざまなデリリウム症状を抽出するNLP法を考案し, 臨床ノートからデリリウム症状を抽出した。
• 参考スコア（独自算出の注目度）: 21.955746826015446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 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.
• Abstract（参考訳）: デリリウムは注意、意識、その他の認知機能の急激な低下または変動であり、深刻な有害な結果をもたらす可能性がある。 重篤な結果にもかかわらず、デリリウムは過渡的で多様な性質のため、患者の電子健康記録(EHR)に認識されず、コード化されていないことが多い。 臨床物語から医療概念を抽出する重要な技術である自然言語処理(NLP)は、デリリウムの結果や症状の研究において大きな可能性を示している。 デリリウムの診断・表現の補助として,各種のデリリウム症状の分類,ガイドラインの作成,多彩なデリリウム症状を呈するデリリウムコーパスの作成,臨床ノートからデリリウム症状を抽出するためのNLP法の開発などを行った。 一般領域の2モデル(BERT,RoBERTa)と臨床領域の3モデル(BERT_MIMIC,RoBERTa_MIMIC,GatorTron)を含む5種類の最先端トランスモデルを比較検討した。 GatorTronは、それぞれ0.8055と0.8759の厳格かつ寛大なF1スコアを達成した。 虫垂症状を指摘しnlpシステムを開発する際の課題を特定するために,エラー分析を行った。 我々の知る限りでは、これは最初の大規模言語モデルに基づくデリリウム症状抽出システムである。 本研究は,デリリウムの計算可能な表現型および診断法の開発に向けた基礎となるものである。

関連論文リスト

• A Robust eLORETA Technique for Localization of Brain Sources in the Presence of Forward Model Uncertainties [0.0]
  我々は、よく知られた高分解能電磁トモグラフィー(eLORETA)技術であるReLORETA(ReLORETA)の頑健なバージョンを提示する。 いずれの場合も、ReLORETAはeLORETAよりもかなり堅牢で正確である。
  論文  参考訳（メタデータ） (2024-05-09T14:15:00Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
  パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。 パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。 進行の段階を特定するために設計されたAIツールは存在しない。
  論文  参考訳（メタデータ） (2023-12-28T10:30:54Z)
• A Transformer-based representation-learning model with unified processing of multimodal input for clinical diagnostics [63.106382317917344]
  本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。 統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
  論文  参考訳（メタデータ） (2023-06-01T16:23:47Z)
• KNSE: A Knowledge-aware Natural Language Inference Framework for Dialogue Symptom Status Recognition [69.78432481474572]
  症状状態認識(SSR)のための新しいフレームワークKNSEを提案する。 対話ウィンドウ内の各症状について、まず、症状の状態に関する症状と仮説に関する知識を生成し、(前提、知識、仮説)三重項を形成する。 次にBERTモデルを使用して三重項を符号化し、さらに発話アグリゲーション、自己アテンション、横断アテンション、GRUなどのモジュールで処理して症状状態を予測する。
  論文  参考訳（メタデータ） (2023-05-26T11:23:26Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• Wavelet-Based Multi-Class Seizure Type Classification System [2.1915057426589746]
  本稿では,Dual-tree Complex Wavelet Transform (DTCWT) を用いて脳波信号から特定の特徴を抽出し,それらを分類する手法を提案する。 F1スコアの重み付けを99.1%, 74.7%とした。
  論文  参考訳（メタデータ） (2022-02-19T23:58:01Z)
• Natural language processing to identify lupus nephritis phenotype in electronic health records [11.714947406532932]
  ループス腎炎は、臓器損傷と死亡に対するSLEの主要な疾患の1つである。 EHRデータを用いた自然言語処理(NLP)によりループス腎炎を同定するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-12-20T19:33:50Z)
• An explainable two-dimensional single model deep learning approach for Alzheimer's disease diagnosis and brain atrophy localization [3.9281410693767036]
  本稿では、アルツハイマー病(AD)の自動診断と、sMRIデータから、この疾患に関連する重要な脳領域の局所化について、エンドツーエンドのディープラーニングアプローチを提案する。 提案手法は,AD対認知正常(CN)とプログレッシブMCI(pMCI)と安定MCI(sMCI)の2つの分類タスクに対して,パブリックアクセス可能な2つのデータセットで評価されている。 実験結果から,本手法はマルチモデルや3次元CNN手法など,最先端の手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2021-07-28T07:19:00Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。