施雅慧　李作峰　常　才　张晓艳

(1同济大学生命科学与技术学院　上海　200092; 2飞利浦中国研究院　上海　200233;3复旦大学附属肿瘤医院超声医学科　上海　200032)

目前临床上诊断先天性心脏病多采用超声心动图检查[1-3],其诊断准确率高且具有直观、无创、安全、可反复操作等优点[4]。由于超声检查的测量结果易受设备、操作和体位等众多因素的影响[5],医师会用非结构化的自由文本记录检查过程中观察到的疾病征象和初步诊断,即超声报告中的“所见”和“结论”部分。临床医师基于报告内容对疾病发展情况进行评估,进而做出相应的临床诊疗决策[6-7]。

分析超声检查报告内容与临床决策间的关联,能够量化报告内容在临床实践中的应用价值,并从报告中筛选出影响临床决策的关键信息,从而完善检查报告的信息质量和书写规范,提升医院不同科室间信息传递的效率。通过对大量医疗文档的总结归纳,有望挖掘出潜在的诊断模式,协助临床工作者加深对疾病和诊疗方法的理解,也为后续的机制研究提供一些线索和初步假设。

自然语言处理(natural language processing,NLP)技术能够高效、准确地从自由文本书写的检查报告中抽取出特定信息,有助于检查结果的结构化存储和后续分析[8]。通过疾病征象的抽提,结合机器学习算法,能够学习诊断模式及规则并为临床提供决策支持[9]。本研究拟通过NLP技术与机器学习算法,分析儿童先天性心脏病的超声心动图报告及临床风险评估结果,构建并评价风险等级预测模型,进而评估报告内容与患儿风险的相关性,并从中挖掘临床决策所依赖的关键信息。……