於中風後初期使用臨床病歷文字紀錄以預測急性缺血性中風之功能復原結果

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。

  目前已有許多中風功能預後之預測模型，這些預測模型通常是使用結構化之資料以傳統的羅吉斯回歸建立的。有鑒於目前電子健康紀錄已越來越普及，加上電腦運算能力之進步，使用機器學習來進行資料驅動之預測建模在臨床決策支援上，已越來越受到大家的重視。本研究之目的是探討電子健康紀錄中之病歷文字資料，也就是所謂的非結構化資料，是否能增進早期預測急性缺血性中風功能復原結果之預測效能。

  本研究自本院收集2007年10月至2019年12月住院之急性缺血性中風病人之資料進行分析，病人隨機分派為訓練資料集(2885位)及測試資料集(962位)，這些病人之入院病歷中的現在病史與首次腦部電腦斷層之文字報告經由自然語言處理後，轉為預測模型之自變數，來訓練機器學習模型，目標是預測中風後九十天之功能復原結果。預測模型之效能，使用曲線下面積來評估，數字越大，表示預測模型之區辨能力越高，模型效能越好。

  結果如下，單純使用文字訓練出來的模型，在測試資料集測試時，其曲線下面積為0.768至0.807之間，約與使用中風量表的預測能力(0.811)相當。而使用文字資訊及病人年齡建立之預測模型，其預測效能(0.823至0.825)，則與另外三個傳統的預測模型相當(0.837至0.841)。若是把文字資訊，加至這三個傳統的預測模型，則都會顯著增進傳統模型的預測效能。

  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提升現有傳統模型預測腦中風功能復原結果之效能。但是考量到每個醫療體系可能寫作病歷時可能會使用不同的詞彙，各醫療體系可以考慮本研究之方法，建立並驗證自有的預測模型。

相關訊息已發表於JMIR Medical Informatics. 2022;10:e29806

• < 前一頁
• 下一個 >