مدل‌سازي شباهت بيمار با استفاده از بازنمايي هوشمند خلاصه پرونده براي پيش‌بيني تشخيص نهايي

مقدمه: داده هاي متني ثبت شده در پرونده الكترونيك سلامت Electronic health record (EHR) در بردارنده اطلاعات مهمي از شرح حال بيمار و مسير درماني اوست ولي به دليل آنكه بدون ساختار ذخيره ميشود نميتواند به صورت مستقيم در الگوريتم هاي تحليل داده مورد استفاده قرار گيرد. يكي از راه هاي ساختارمند كردن داده هاي متني توليد بردار بازنمايي از آن هاست. اين مطالعه چهارچوبي به منظور توليد بردار بازنمايي از متن هاي خلاصه پرونده ارائه داده است. روش بررسي: در اين مطالعه پيمايشي از بازنمايي متن خلاصه پرونده بيماران براي توليد بردار متناظر با هر متن استفاده شده است. براي بازنمايي از مدل هاي زباني كه از آخرين روش هاي پردازش متن هستند استفاده شده است. مجموعه داده شامل متن خلاصه پرونده بيش از 26۰۰۰٫ بيمار از پايگاه داده Medical Information Mart for Intensive Care III (MIMIC-III) است. براي تحليل كيفيت بردارهاي بازنمايي از مسئله پيشبيني تشخيص استفاده شده و معيارهاي ارزيابي براي هر مدل زباني گزارش شده است. يافته ها: از بين مدل هاي زباني استفاده شده در طراحي بهترين مدل بازنمايي براي متن خلاصه پرونده مدل BIO-BERT و سپس مدل SciBERT است كه به ترتيب نتايج 0/715 و 0/713 را براي معيار ارزيابي ROC_AUC توليد كرده اند. اين معيار ارزيابي براي بررسي كيفيت مدل هاي پيشبيني استفاده ميشود. استفاده از پيش پردازش متن باليني و نگاشت موجوديت هاي باليني به اسامي استاندارد آنها در پايگاه دانش The Unified Medical Language System - UMLS معيارهاي ارزيابي براي مدل هاي زباني خاص حوزه زيست پزشكي بهبود يافته است و بيشترين بهبود مربوط به مدل UMLSBERT است كه روي اسامي استاندارد پايگاه دانش آموزش ديده است. نتيجه گيري: بر اساس يافته هاي اين مطالعه مدل هاي زباني BIO-BERT و SciBERT كه روي داده هاي مقالات باليني آموزش ديده اند به عنوان بهترين گزينه براي بازنمايي اطلاعات نهفته متن خلاصه پرونده به بردارها پيشنهاد ميشوند. با اين وجود به دليل آنكه متن خلاصه پرونده از نظر ساختار و محتوا با متن مقالات علمي متفاوت است، پيش پردازش متن هاي باليني به منظور شناسايي موجوديت ها و نگاشت آنها به منابع دانش براي استفاده از اسامي استاندارد مفاهيم باليني باعث بهبود نتايج به دست آمده در مدل هاي زباني ميگردد.