A Strategy for Prioritizing Electronic Medical Records Using Structured Analysis and Natural Language Processing

• Autores: Alexandra Pomares Quimbaya, Rafael Andrés González Rivera, Oscar Mauricio Muñoz Velandia, Ricardo Bohórquez Rodríguez, Olga Milena García
• Localización: Ingeniería y universidad, ISSN 0123-2126, Vol. 22, Nº. 1, 2018, págs. 7-31
• Idioma: inglés
• Títulos paralelos:
  • Una estrategia para priorizar registros médicos electrónicos usando análisis estructurado y procesamiento de lenguaje natural
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Resumen Objetivo : Los registros médicos electrónicos (RME) típicamente contienen atributos estructurados, así como texto narrativo. La utilidad de los RME para investigación y gestión se ve limitada por la dificultad en analizar automáticamente las porciones narrativas. En consecuencia, este artículo propone una estrategia para priorizar RME (SPIRE), usando procesamiento de lenguaje natural combinado con análisis de datos estructurados, para poder identificar y jerarquizar RME que satisfagan consultas que buscan pacientes con ciertas enfermedades planteadas por investigadores clínicos o gestores hospitalarios. Materiales y Métodos : La herramienta de software resultante fue evaluada técnicamente y validada con tres casos (falla cardiaca, hipertensión pulmonar y diabetes mellitus) comparado contra resultados obtenidos por expertos. Resultados y Discusión : Nuestros resultados preliminares demuestran alta sensibilidad (70%, 82% y 87% respectivamente) y especificidad (85%, 73.7% and 87.5%) en el conjunto de registros resultante. El área bajo la curva fue de entre 0.84 y 0.9. Conclusiones: SPIRE fue implementado exitosamente y usado en el contexto de un sistema de información de un hospital universitario, permitiendo que investigadores clínicos obtuvieran RME priorizados para sus necesidades de información, a partir de plantillas colaborativas de búsqueda, con resultados más rápidos y precisos que otros métodos existentes.

  • English

    Abstract Objective : Electronic medical records (EMRs) typically contain both structured attributes and narrative text. The usefulness of EMRs for research and administration is hampered by the difficulty in automatically analyzing their narrative portions. Accordingly, this paper proposes a strategy for prioritizing EMRs (SPIRE), using natural language processing in combination with the analysis of structured data to identify and rank EMRs that match queries intended to find patients with a specific disease posed by clinical researchers and health administrators. Materials and Methods : The resulting software tool was evaluated technically and validated with three cases (heart failure, pulmonary hypertension and diabetes mellitus) and compared against expert-obtained results. Results and Discussion : Our preliminary results show high sensitivity (70%, 82% and 87%) and specificity (85%, 73.7% and 87.5%) in the resulting set of records. The Area Under the Curve was between 0.84 and 0.9. Conclusions : SPIRE was successfully implemented and used in the context of a university hospital information system, enabling clinical researchers to obtain prioritized EMRs to solve their information needs through collaborative search templates with faster and more accurate results than other existing methods.