基于电子健康记录的自然语言处理在癌症患者症状管理中的应用进展 .pdf

基于电子健康记录的自然语言处理在癌症患者症状

管理中的应用进展

【摘要】介绍自然语言处理的概念，总结基于电子健康记录的自然语言处理在癌

症患者症状管理中应用的现状和优势，指出目前存在不足并提出相应的建议，旨

在为进一步提高我国癌症患者护理服务质量，推动安宁疗护信息化、数字化发展

提供借鉴。

【关键词】综；肿瘤；症状管理；自然语言处理；电子健康记录

癌症已成为严重威胁人类健康的公共卫生挑战［1］,是全球最主要的死亡

原因［2］o据报道，2020年约有1000万人死于癌症［3］,预计到2030年，

全球癌症相关死亡人数将达到约1300万［4］。许多癌症患者因为症状控制不佳,

无法进行积极治疗而走到生命尽头，有效的症状管理可以改善临床结局，减少住

院治疗，提高生活质量［5］o在癌症期间进行安宁疗护可以减轻症状负担并提

高护理质量［6］。安宁疗护是一种专注于改善患者生活质量的综合性医疗护理

和支持服务，旨在为面临严重疾病或终末期疾病的患者减轻其身体和心理上的痛

苦，并提供全面的关怀和支持［7］。安宁疗护可以帮助癌症患者缓解身体症状,

并通过心理、社会和家庭支持，帮助其应对焦虑、抑郁、恐惧等心理问题，提高

癌症患者的生活质量，值得大力推广，而目前只有不到50%的住院癌症患者接受

安宁疗护。因此，如何在癌症患者症状管理中促进安宁疗护的发展是目前亟须解

决的问题。在大数据时代，数字健康，如电子健康记录(electronichealthr

ecords,EHR)正在迅速发展，EHR记录了癌症患者的主要症状，是最有价值的

数据资源，可以帮助医护人员了解其病情，更好地进行安宁疗护［8］o然而,

从EHR中提取有效数据并对其进行分析是一项极为烦琐的任务。使用自然语言处

理(naturallanguageprocessing,LP)从EHR中识别癌症患者症状，可以

提高护理效率和质量，在癌症患者安宁疗护中同样显现出广阔的研究前景［9］o

但我国在该领域的研究尚处于空白阶段，因此，本文从基于EHR的LP的概、

LP在癌症患者症状管理中的应用、优势及不足等方面进行综，旨在为进一步

提高癌症患者护理服务质量，推动安宁疗护信息化、数字化发展提供借鉴。

一、基于EHR的LP概

基(一于)EHR的LP概念及发展：医疗信息的数字化发展，尤其是EHR

的发展，进一步推动了医疗保健的转型。最初EHR很少用于护理领域［10］,2

009年美国颁布的HITECH法案鼓励了EHR的广泛使用，促进其在护理中的应用

［11］o到了2017年，超过90%的美国医院拥有正常运行的EHR系统［12］。

由于大多数EHR数据以非结构化文本的形式存在，需要先进的生物医学信息方法

来提取和组织这些丰富的数据［13］。LP是基于计算机的算法，可以处理、增

强和转换自然语言，是一门涉及计算机科学、人工智能和语言学的交叉学科领域

［14-16］,包含自然语言理解和自然语言生成两个主要方面［17］。基于EHR

的LP是指利用LP技术对医疗领域中的EHR进行文本数据的处理、分析和应用。

这种技术可以帮助医护人员更好地管理和利用大量的医疗文本数据，为临床决策、

科学研究和患者护理等提供支持。LP算法性能最常见的指标是准确性、精确率

和召回率。LP可以帮助医护人员快速从EHR中识别癌症患者症状，如疼痛、恶

心、呕吐、疲劳、焦虑、恐惧等，以判断其是否需要个性化护理［18］,并改进

护理决策［19］,其准确性优于人工识别［20］,在癌症患者安宁疗护中发挥着

越来越重要的作用［21］o

(二)LP的方法：LP方法可分为3类，包括基于规则的LP、基于传统

机器学习和深度学习的LP以及基于预训练的LPO

1.基于规则的LP：基于规则的LP是一种传统的文本处理技术，主要依赖

研究人员自己开发的规则来处理文本，其性能取决于规则的复杂性和泛化能力，

缺点是人力投资成本高[22]。

2.基于传统机器学习和深度学习的LP：基于传统机器学习的LP通过自我

学习的方法从数据中建立模型，与基于规则的LP相比性能更好，更易于建模。

基于深度学习的LP不需要过多的人为干预，在建模过程中，特征的提取完全取

决于计算机本身。因此，基于深度学习的LP比基于传统机器学习的LP性能更

好[23]o

3.基