論文の概要: Natural Language Processing for Analyzing Electronic Health Records and Clinical Notes in Cancer Research: A Review
- arxiv url: http://arxiv.org/abs/2410.22180v1
- Date: Tue, 29 Oct 2024 16:17:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-30 13:42:33.254049
- Title: Natural Language Processing for Analyzing Electronic Health Records and Clinical Notes in Cancer Research: A Review
- Title（参考訳）: がん研究における電子健康記録と臨床ノートの分析のための自然言語処理
- Authors: Muhammad Bilal, Ameer Hamza, Nadia Malik,
- Abstract要約: 本総説は, がん研究における自然言語処理(NLP)の応用を電子健康記録(EHR)と臨床ノートを用いて分析することを目的とする。
データ抽出には、研究の特徴、がんの種類、NLP方法論、データセット情報、パフォーマンス指標、課題、今後の方向性が含まれていた。
- 参考スコア（独自算出の注目度）: 1.3966247773236926
- License:
- Abstract: Objective: This review aims to analyze the application of natural language processing (NLP) techniques in cancer research using electronic health records (EHRs) and clinical notes. This review addresses gaps in the existing literature by providing a broader perspective than previous studies focused on specific cancer types or applications. Methods: A comprehensive literature search was conducted using the Scopus database, identifying 94 relevant studies published between 2019 and 2024. Data extraction included study characteristics, cancer types, NLP methodologies, dataset information, performance metrics, challenges, and future directions. Studies were categorized based on cancer types and NLP applications. Results: The results showed a growing trend in NLP applications for cancer research, with breast, lung, and colorectal cancers being the most studied. Information extraction and text classification emerged as predominant NLP tasks. A shift from rule-based to advanced machine learning techniques, particularly transformer-based models, was observed. The Dataset sizes used in existing studies varied widely. Key challenges included the limited generalizability of proposed solutions and the need for improved integration into clinical workflows. Conclusion: NLP techniques show significant potential in analyzing EHRs and clinical notes for cancer research. However, future work should focus on improving model generalizability, enhancing robustness in handling complex clinical language, and expanding applications to understudied cancer types. Integration of NLP tools into clinical practice and addressing ethical considerations remain crucial for utilizing the full potential of NLP in enhancing cancer diagnosis, treatment, and patient outcomes.
- Abstract（参考訳）: 目的: 本研究の目的は, がん研究における自然言語処理(NLP)の応用を電子健康記録(EHR)と臨床ノートを用いて分析することである。
このレビューは、がんの種類や応用に焦点をあてた以前の研究よりも幅広い視点を提供することで、既存の文献のギャップに対処する。
方法:Scopusデータベースを用いて総合的な文献検索を行い,2019年から2024年にかけて94件の関連研究を同定した。
データ抽出には、研究の特徴、がんの種類、NLP方法論、データセット情報、パフォーマンス指標、課題、今後の方向性が含まれていた。
研究は癌の種類とNLPの応用に基づいて分類された。
結果: 乳がん, 肺がん, 大腸癌が最も多く研究されているが, NLPのがん研究への応用は増加傾向にあることが明らかとなった。
情報抽出とテキスト分類が主要なNLPタスクとして登場した。
ルールベースから高度な機械学習技術、特にトランスフォーマーベースモデルへのシフトが観察された。
既存の研究で使用されるデータセットのサイズは様々である。
主な課題は、提案されたソリューションの限定的な一般化と、臨床ワークフローへの統合の改善の必要性であった。
結論: NLP法は, がん研究における EHRs と臨床ノートの分析において有意な有意な可能性を示唆している。
しかし、今後の研究は、モデル一般化可能性の向上、複雑な臨床言語を扱う際の堅牢性の向上、そして、研究対象のがんタイプへの応用拡大に焦点をあてるべきである。
NLPツールの臨床的実践への統合と倫理的考察は、NLPががん診断、治療、および患者の予後を高める上で、最大限の可能性を活用する上で、依然として不可欠である。
関連論文リスト
- Large Language Models for Disease Diagnosis: A Scoping Review [29.498658795329977]
大規模言語モデル(LLM)の出現は、人工知能のパラダイムシフトを引き起こした。
この分野に注目が集まっているにもかかわらず、多くの重要な研究課題が未解決のままである。
本研究は, 疾患の種類, 関連臓器システム, 関連臨床データ, LLM技術, 既存の研究で報告されている評価方法について検討した。
論文 参考訳（メタデータ） (2024-08-27T02:06:45Z) - Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。
本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
論文 参考訳（メタデータ） (2024-05-23T07:03:38Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - An Introduction to Natural Language Processing Techniques and Framework
for Clinical Implementation in Radiation Oncology [1.2714439146420664]
放射線オンコロジー研究において,大規模言語モデル(LLM)を用いた最先端NLPアプリケーションを提案する。
LLMは、厳格な評価と検証を必要とする幻覚、偏見、倫理的違反など、多くの誤りを起こしやすい。
本論は, 臨床放射線腫瘍学におけるNLPモデルの開発と利用に関心がある研究者や臨床医に対して, 指導と洞察を提供することを目的とする。
論文 参考訳（メタデータ） (2023-11-03T19:32:35Z) - Language Models are Few-shot Learners for Prognostic Prediction [0.4254099382808599]
実際の患者の臨床データと分子プロファイルを用いた免疫療法の予後予測におけるトランスフォーマーと言語モデルの利用について検討する。
この研究は、複数のがんタイプにわたる予後予測におけるベースラインと言語モデルの有効性をベンチマークし、数発の条件下で異なる事前訓練された言語モデルの影響を調査する。
論文 参考訳（メタデータ） (2023-02-24T15:35:36Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳（メタデータ） (2022-11-18T03:26:31Z) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳（メタデータ） (2022-11-10T03:02:12Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z) - A Systematic Review of Natural Language Processing Applied to Radiology
Reports [3.600747505433814]
本研究は, 放射線学報告に応用されたNLPの最近の文献を体系的に評価する。
本研究は, 放射線学的特徴, nlp法, 性能, 研究, 臨床応用特性を含む21の変数に基づく。
論文 参考訳（メタデータ） (2021-02-18T18:54:41Z) - Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。
本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
論文 参考訳（メタデータ） (2020-11-22T17:31:23Z) - Artificial Intelligence, speech and language processing approaches to
monitoring Alzheimer's Disease: a systematic review [5.635607414700482]
本稿では,アルツハイマー病の認知機能低下を予測するための人工知能,音声,言語処理の利用に関する現在の知見を要約する。
筆者らは2000年から2019年にかけて, PROSPEROに登録されたオリジナルの研究の体系的レビューを行った。
論文 参考訳（メタデータ） (2020-10-12T21:43:04Z)
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。