自然語言處理可以強化急性缺血性中風功能復原結果之預測效能

神經內科 宋昇峯醫師

急性缺血性中風功能復原後果的預測，對於病人與家屬都是相當重要的，因為若能在罹病初期就能對未來之復原情況有所了解，不但可以事先進行出院前之準備，也有利於醫師與病人家屬間之醫病決策共享。

傳統的中風功能預後之預測模型通常使用預先定義好的臨床變數來預測結果，這些變數皆屬於結構化之資料。現存各種預測模型使用的臨床變數大同小異，預測效果也幾乎類似。但是電子病歷中一大部分的資料為非結構化之文字資料，包括臨床紀錄與檢查報告等，這些文字資料中其實也包含了許多寶貴的資訊。隨著自然語言處理的進步，從非結構化資料中獲取有意義的資訊已可實現。本研究就是在測試電子病歷中之非結構化文字資料，是否可以提高對急性缺血性中風後功能復原結果的預測。

本研究從兩家醫院收集急性缺血性中風病人之資料進行分析，使用一家醫院之資料開發預測模型，然後使用另一家醫院之資料進行外部驗證。主要使用之文字資料包括入院病歷之現在病史及電腦斷層掃描報，使用自然語言處理後，建構建機器學習模型，以預測中風後九十天之功能復原結果。本研究同時使用四種傳統的預後預測模型當成比較之基準。在內部和外部驗證中使用現在病史的模型之區辨能力分別為0.820和0.792，與美國國家衛生研究腦中風量表之區辨能力（0.811 和 0.807）相當。使用電腦斷層掃描的模型得到之區辨能力為0.758和0.658。將來自文字資料的訊息加入基準模型之後，可以顯著提高了每個基準模型之區辨能力（所有 P <0.001）。

總結本研究之發現，藉由自然語言處理，電子病歷中的非結構化文字資料可以為腦中風功能復原結果提供另類之之預測工具，甚至可以提高現有預後預測模型之效能。

相關訊息已發表於Journal of the American Heart Association 2021; e023486

• < 前一頁
• 下一個 >