你的医生敲击着键盘，记录着你的症状和她的观察结果. 这个电子记录捕捉了她宝贵的临床叙述——非结构化的“自由文本”和结构化的数据, 比如考试类型, 生命体征, 诊断代码.

“自然语言处理”(NLP)是Group Health 世界杯下注网站 Institute正在测试和使用的一种计算功能，通过解析人类语言的句子结构，在这个自由文本中针对特定的单词和短语进行提及. 随着自然语言处理准确率的不断提高, 该技术可以补充熟练的图表抽象，并可能提供更快的访问更大, 更丰富的数据体.

NLP还承诺在基于患者图表的世界杯下注网站数据范围上有一个显著的提升——可以从30个开始,000条医疗记录的时间可能是图表审阅者处理3条的时间,000. 能够以较低的总成本对更大的人群进行世界杯下注网站，同时减少手动图表审查的乏味将是一个巨大的好处.

“我们正在探索NLP，以提高基于人群的世界杯下注网站效率, 更及时, 在发现对改善全国卫生保健至关重要的知识方面，花费较少的关键步骤,埃里克·B说. 拉尔森，医学博士，公共卫生硕士，GHRI执行董事.

一个例子是GHRI的世界杯下注网站人员和合作者来自 癌症世界杯下注网站网络(CRN) 对复发性乳腺癌患者的治疗是否会受益于新的治疗方法. NLP被用于从图表注释中提取和组合信息, 放射学报告, 病理报告——所有这些都是为了探索新的方法来确定临床医生是否以及何时诊断复发性乳腺癌. 根据NLP技术主管大卫·卡雷尔的说法, 博士学位, 这种“三角测量”是必要的，因为通常很难单独使用诊断代码来定位复发. 卡雷尔是GHRI在国家癌症世界杯下注网站所资助的这项世界杯下注网站中的首席世界杯下注网站员. 该世界杯下注网站具有双重目的，为Carrell的团队提供经验，并证明NLP对CRN的科学价值.

大卫·卡雷尔博士

GHRI正在通过使用开源软件开发NLP, Carrell说，这种软件省去了手工图表抽象的许多“苦工”. 他的团队(D).T. Tran, 斯科特Halgrim, 罗伊Pardee, (Sharon Fuller)产生了算法——一步一步的指令集，可以在图表笔记、病理和放射学报告中找到提到的单词. 然后，nlp衍生的信息可以与其他患者数据相结合，以解决广泛的世界杯下注网站问题或服务于质量保证和评估目的.

来创建算法, 卡雷尔的团队使用了国家医学图书馆的词典，以及通过专家意见和人工审查患者图表而开发的本地化资源. 还创建了自定义字典来帮助查找目标术语，并解释拼写错误和常见拼写错误. 罗伊·帕迪(罗伊Pardee)特别领导了一种“机器学习”方法，以识别提及癌症的病理报告，从而引发后续调查.

算法使用来自文本的语法信息与“决策树逻辑”相结合来找到临床上重要的单词提及. 一种算法方法使用词性来帮助提取上下文中的单词. 另一种方法是指定“临近词”——希望出现在关键词附近的文本, 如“右侧”或“右侧外侧”附近的“导管浸润性癌”字样.” One study required data on carotid artery stenosis (narrowing) from 放射学报告; the algorithm for it captured the percentage of blockage, 帮助确保这种情况确实存在. 因为临床医生对狭窄百分比的表述不同, 该算法还可以提取许多变量，例如“50%”,”“百分之五十,”“50% - 70%,等等. NLP甚至可以考虑已经排除的医疗条件. 一种“否定”算法有助于确定什么时候没有出现特定的情况——这在临床叙述中很常见, 例如:“……没有糖尿病的证据.”

图表抽象者在NLP中扮演着至关重要的角色，他们为算法期望检测的内容设定了“黄金标准”——抽象者对样本文档集的专家评论用于验证NLP算法的准确性. “激励我们的是一个性能良好的算法——一个我们相当确定可以用来处理大量报告的算法,卡雷尔说. 而且，NLP产生的大量数据仍然需要一定程度的人工验证.”

NLP团队也在支持集团健康部门的质量改进. 在马特·汉德利的建议下, MD, 质量和信息学集团健康主管, 以及大卫·麦卡洛克, MD, 临床改善组健康主任, 卡雷尔的团队正在探索如何识别在病人接触过程中发生的共同决策讨论. 一个例子是关于髋关节置换术治疗选择的教育视频.

卡雷尔对NLP的潜力感到兴奋. “我们希望能够以更快的速度和更低的成本支持更大规模的世界杯下注网站.”

格雷琴·康拉迪著