Egy kutatás szerint a természetesnyelv-feldolgozáson alapuló algoritmusok hatékonyan alkalmazhatók klinikai szöveges adatok elemzésére.
A vizsgálat célja
A hagyományos, BNO-kódokon alapuló diagnosztikai rendszerek pontossága korlátozott a divertikulitisz súlyosságának és specifikus jellemzőinek leírására. A kutatás célja egy olyan természetesnyelv-feldolgozáson (NLP) alapuló algoritmus kifejlesztése volt, amely képes pontosan azonosítani és osztályozni a divertikulitisz különböző formáit és szövődményeit CT-leletek alapján. Emellett a célok között szerepelt annak vizsgálata is, hogy a betegség kezdeti súlyossága alapján előrejelezhető-e a progresszió.
A vizsgálat felépítése
A retrospektív kohorszvizsgálatban a Mass General Brigham adatbázis 1979 és 2024 közötti adatait használták fel. A vizsgálatba 16 349 olyan beteget vontak be, akiknél divertikulitiszt diagnosztizáltak, és rendelkeztek hasi-kismedencei CT-vizsgálati lelettel. Az NLP-algoritmust ezen szöveges radiológiai leírások alapján tanították és validálták, hogy felismerje a divertikulitisz jelenlétét és annak súlyossági fokozatait. Ezt követően Cox-féle arányos hazard modellel elemezték az első diagnózis súlyossága és a súlyos kiújulás kockázata közötti kapcsolatot, valamint gépi tanulási modellekkel vizsgálták az előrejelző képességet.
A vizsgálat eredményei
Az NLP-algoritmus nagyfokú pontosságot mutatott, 82,8% és 99,9% közötti pozitív és negatív prediktív értékekkel. Hatékonysága meghaladta mind a hagyományos BNO-kódokon, mind az általános nyelvi modelleken alapuló módszerekét. A vizsgálatban résztvevő betegek közül 3192 esetben figyelték meg a betegség súlyos kiújulását a 76 736 személyévnyi követési idő alatt. Az eredmények azt mutatták, hogy a kezdeti betegség súlyossága szignifikánsan összefügg a későbbi kockázattal: enyhe eseteknél mérsékelt (HR: 1,39; 95% CI: 1,14-1,69), míg súlyos és krónikus eseteknél jelentősen magasabb volt a kiújulás esélye (HR: 3,02; 95% CI: 2,80-3,27, illetve HR: 5,41; 95% CI: 4,78-6,13). Az NLP által azonosított jellemzők javították a predikció pontosságát a hagyományos adatokhoz képest.
Összefoglalás, konklúzió
A vizsgálat bizonyította, hogy az NLP-alapú módszerek hatékonyan alkalmazhatók klinikai szöveges adatok feldolgozására, és pontosabb képet adnak a betegség súlyosságáról, mint a hagyományos kódolás. A divertikulitisz kezdeti súlyossága fontos előrejelzője a későbbi súlyos kiújulásnak, ami segíthet a betegek kockázati besorolásában és hosszú távú kezelésében. Az eredmények alátámasztják a mesterséges intelligencia alkalmazásának jelentőségét az egészségügyi adatelemzésben és a személyre szabott orvoslásban.
Források
Wenjie Ma, Yilun Wu, Prasanna K. Challa, Daniel Sikavi, Jonathan M. Downie, Long H. Nguyen, Vineet K. Raghu, Tracey G. Simon, Hamed Khalili, Avinash R. Kambadakone, Ashwin N. Ananthakrishnan, Lisa L. Strate, Andrew T. Chan,
Natural language processing algorithm accurately classifies diverticulitis-related complications and predicts long-term outcomes, Clinical Gastroenterology and Hepatology, 2026,
