運用自然語言處理技術從電子健康記錄中預測類風濕性關節炎疾病活動度的創新方法

Taipei Medical University Institutional Repository > 醫學院 > 人工智慧醫療碩士在職專班 > 博碩士論文 > Item 987654321/65004

請使用永久網址來引用或連結此文件: http://libir.tmu.edu.tw/handle/987654321/65004

題名:	運用自然語言處理技術從電子健康記錄中預測類風濕性關節炎疾病活動度的創新方法 An Innovative Approach to Predicting Rheumatoid Arthritis Disease Activity from Electronic Health Records Using Natural Language Processing
作者:	謝臻怡 HSIEH, CHEN-I
貢獻者:	醫學院人工智慧醫療碩士在職專班黎阮國慶郭昶甫
關鍵詞:	自然語言處理;電子健康記錄;類風濕性關節炎;疾病活動度 Natural Language Processing;Electronic Health Records;Rheumatoid Arthritis;Disease Activity
日期:	2024-07-03
上傳時間:	2025-01-06 09:19:23 (UTC+8)
摘要:	本研究旨在利用電子健康紀錄中的文本數據，預測類風濕性關節炎的疾病活動度。類風濕性關節炎是一種以關節損害為典型特徵的慢性自體免疫性疾病，並可能會伴隨高死亡風險的肺部併發症。有效監測類風濕性關節炎的疾病活動度對於及時調整治療方案、提高患者管理策略以及準確預測患者預後具有重要意義。本研究將從長庚紀念醫院資料庫中抽取類風濕性關節炎病例，並運用自然語言處理技術來分析臨床敘述。研究的重點是採用基於 transformer 模型的自然語言處理技術，從醫療紀錄中萃取並計算疾病活動度評分(DAS-28)。方法包括運用正規表達式(regex)提取 DAS-28 分數，並進行文本清理，隨後利用 Bidirectional Encoder Representations from Transformers (BERT)模型進行語義理解和上下文分析。預期提升從電子健康紀錄中提取相關疾病活動資訊的能力，進而降低手動評估的勞動與時間成本，並深入分析類風濕性關節炎疾病的進展及治療反應，以改進患者管理策略，提升治療效果，最終改善類風濕性關節炎患者的健康狀況。 This study uses Electronic Health Records (EHR) text data to predict rheumatoid arthritis (RA) disease activity. RA is an autoimmune disorder marked by progressive joint destruction and may be accompanied by pulmonary complications with a high mortality risk. Monitoring RA disease activity effectively is essential for timely adjustments in treatment plans, enhancing patient management strategies, and accurately predicting patient outcomes. This study will extract RA cases from Chang Gung Memorial Hospital databases employing Natural Language Processing (NLP) techniques to analyze clinical narratives. The research uses transformer-based NLP techniques to extract and calculate the Disease Activity Score 28 (DAS-28) from medical records. The methodology involves using regular expressions (regex) to extract DAS-28 scores and perform text cleaning, followed by applying the Bidirectional Encoder Representations from Transformers (BERT) model for semantic understanding and context analysis. The anticipated outcome is to enhance the ability to extract relevant disease activity information from EHRs, thereby reducing the labor and time required for manual assessments. This study aims to offer a comprehensive analysis of RA disease progression and treatment response, ultimately improving patient management strategies, treatment efficacy, and the health outcomes of RA patients.
描述:	碩士指導教授：黎阮國慶共同指導教授：郭昶甫口試委員：郭昶甫口試委員：張詠淳口試委員：林于翔口試委員：林敬恒口試委員：黎阮國慶
附註:	論文公開日期：2024-07-21
資料類型:	thesis
顯示於類別:	[人工智慧醫療碩士在職專班] 博碩士論文

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	111	檢視/開啟

在TMUIR中所有的資料項目都受到原著作權保護.

TAIR相關文章

資料載入中.....