Полуавтоматическое извлечение информации о наличии парезов у пациентов в нейрохирургии из историй болезни: исследования с помощью технологий искусственного интеллекта

Выявление нежелательных явлений по данным клинических документов необходимо в рамках ретроспективных клинических исследований и в задачах мониторинга безопасности и экономической эффективности медицинской помощи. Поскольку нежелательные явления, как правило, описываются в медицинских записях в виде свободного текста, для извлечения информации о них из десятков тысяч историй болезни требуются специальные технологии.

ЦЕЛЬ ИССЛЕДОВАНИЯ: оценить качество предложенного нами алгоритма для полуавтоматической идентификации парезов у пациентов с глиальными опухолями на этапе поступления в нейрохирургический стационар.

МАТЕРИАЛЫ И МЕТОДЫ: Для решения данной задачи был применен разработанный нами комплекс технологий с использованием методов искусственного интеллекта (патент RU 2751993C 1). В основе метода лежит отбор специфического для конкретного нежелательного явления лексикона и расшифровка его использования в микроконтекстах. Проанализированы текстовые медицинские записи, первично внесенные врачами с помощью клавиатуры в электронную медицинскую карту «E-med» ФГАУ «НМИЦ нейрохирургии им. ак. Н. Н. Бурденко» Минздрава России в период с 2000 г. по 2017 г.

РЕЗУЛЬТАТЫ. Предложенный нами алгоритм позволил выявить парезы на дооперационном этапе с высоким качеством (чувствительность = 0,947, специфичность = 0,965, точность = 0,961, F1-мера = 0,926, ROC AUC = 0,956 [0,941; 0,969]). За счет оптимизации предложенного нами способа (использования только существительных при скрининге словаря) удалось сократить время на его реализацию c 13 до 6 часов практически без потери качества.

ЗАКЛЮЧЕНИЕ. Методы анализа текстов, написанных на естественном языке, позволяют улучшить качество извлечения информации из медицинских текстов, что, в частности, может быть успешно применено в исследованиях безопасности оказания нейрохирургической помощи.

1. Wang Y, Wang L, Rastegar-Mojarad M, et al. Clinical information extraction applications: a literature review. J Biomed Inform. 2018;77:34–49. doi:10.1016/j.jbi.2017.11.011

2. Danilov G, Shifrin M, Strunina U, Pronkina T, Potapov A. An Information extraction algorithm for detecting adverse events in Neurosurgery Using documents written in a Natural rich-in-Morphology language. Stud Health Technol Inform. 2019;262:194– 197. doi:10.3233/SHTI190051

3. Данилов Г.В., Шифрин М. А., Потапов А. А., et al. Способ извлечения информации из неструктурированных текстов, написанных на естественном языке (патент rU 2751993C 1). Опубликовано в сети 21 июля 2021 г. По состоянию на 27 декабря 2021 г. https://www.fips.ru/registers-doc-view/fips_servlet?dB=rUpaT&docNumber=2751993&TypeFile=html

4. Danilov G, Shifrin M, Strunina Y, et al. Detection of muscle weakness in medical texts using natural language processing. In: Studies in Health Technology and Informatics. Vol 270. IoS press; 2020:163– 167. doi:10.3233/SHTI200143

5. Danilov G, Shifrin M, Strunina Y, et al. Semiautomated approach for muscle weakness detection in clinical texts. In: Studies in Health Technology and Informatics. Vol 272. IoS press; 2020:55–58. doi:10.3233/SHTI200492

6. Young IJB, luz S, lone N. A systematic review of natural language processing for classification tasks in the field of incident reporting and adverse event analysis. Int J Med Inform. 2019;132:103971. doi:10.1016/j.ijmedinf.2019.103971

7. Gaebel J, Kolter T, Arlt F, Denecke K. Extraction of adverse events From Clinical documents To Support decision Making Using Semantic preprocessing. Stud Health Technol Inform. 2015;216:1030.

8. Campillo-gimenez B, Garcelon N, Jarno P, Chapplain JM, Cuggia M. Full-text automated detection of surgical site infections secondary to neurosurgery in rennes, France. Stud Health Technol Inform. 2013;192:572–575.

9. Tvardik N, Kergourlay I, Bittar A, Segond F, Darmoni S, Metzger M-H. Accuracy of using natural language processing methods for identifying healthcare-associated infections. Int J Med Inform. 2018;117:96–102. doi:10.1016/j.ijmedinf.2018.06.002