卡塔尔世界杯8强波胆分析

摘要

背景:

心脏MRI (CMR)是一种功能强大的成像方式，可提供详细的心脏解剖和功能定量评估。临床报告通常以非结构化文本形式存储在电子健康记录(EHR)系统中，从临床报告中自动提取CMR测量值将有助于其在研究中的使用。现有的机器学习方法要么依赖于大量的专家注释，要么需要开发耗时且特定于开发环境的工程规则。

摘要目的:

我们假设使用预先训练的基于转换器的语言模型可以使临床文本的标签高效数值提取不需要启发式或大量的专家注释。在这里，我们在少量CMR注释上微调预训练的基于变压器的语言模型，以提取21个CMR测量值。我们评估了临床预训练的效果，以减少标记需求，并探索了数字输入的替代表示以提高性能。

方法:

我们的研究样本包括99,252名在多机构医疗保健系统中接受纵向心脏病学护理的患者。来自9280名患者的12720份可用CMR报告。我们改编了PRAnCER，一个临床文本注释工具，从一个研究临床医生那里收集370份报告的注释。我们尝试了五种不同的数值量表示和几种模型权重初始化。我们使用宏观平均F1分数在感兴趣的度量中评估提取性能。我们应用表现最好的模型从研究样本中剩余的CMR报告中提取测量值，并评估所提取的测量值与临床结果之间的既定关联，以证明有效性。

结果:

权重初始化和数值表示的所有组合在金标准测试集上都获得了出色的性能，这表明在一小组注释上进行微调的变压器模型可以有效地提取数值量。我们的结果进一步表明，自定义数字表示似乎对提取性能没有显著影响。表现最好的模型在评估的CMR测量中获得宏观平均F1评分为0.957(表现最差的左心房前后尺寸测量为0.92，表现最好的左心室收缩末期容积指数和左心室收缩末期直径测量为1.0)。将表现最好的模型应用于研究队列，从研究样本中所有可用的报告中获得136,407个测量值。我们观察到提取的左心室质量指数、左心室射血分数和右心室射血分数与心房颤动、心力衰竭和死亡率等临床结果之间的预期关联。

结论:

这项研究表明，一个领域不可知的预训练变压器模型能够有效地从诊断报告中提取定量的临床测量数据，并且具有相对较少的金标准注释。建议的工作流可以作为其他定量实体提取的路线图。