科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 探讨基于卷积神经网络的病案质量缺陷智能提示系统的应用价值。方法 选取2018年1月至2020年12月我院提交的病案3000份作为建模组构建病案质量缺陷智能提示系统（以下简称系统）。通过人工审核明确病案中存在的具体问题，并将建模组按照7∶3比例分为训练集及测试集。运用自然语言处理技术从训练组电子化病案中提取临床有用信息，并应用卷积神经网络模型对提取信息进行训练，构建质量缺陷分类模型，并放置于测试集中进行验证通过。模型通过验证后对其使用情况进行评估，并于2021年1—5月抽取病案500份分别通过构建模型及人工审核进行分析，比较2种方式的审核效果。结果 建模组3000份病案中，899份病案存在问题，问题率为30.0%；其中训练集缺陷病案共计647例，测试集缺陷病案共计252例。训练集和测试集中TextCNN模型与人工评估结果的符合率分别为96.9%(2034/2100)和91.3%(822/900)。训练集和测试集中TextCNN模型与人工评估结果具有较高的一致性（Kappa=0.921、0.878,P<0.001）。人工审核和系统审核病案问题病案率比较，差异无统计学意义（P>0.05），系统审核病案审核平均用时低于人工审核，差异有统计学意义（P<0.05）。结论 通过TextCNN构建的病案审核系统可显著提升病案审核效率，但仍需要进一步研究以完善模型。
- 单位
