ICU记录的临床情感分析：一个数据集以及词库方法与临床语言模型方法的比较

《BMC Medical Informatics and Decision Making》：Clinical sentiment analysis of ICU notes: a dataset and a comparison of lexicon and clinical language model methods

　　```

摘要

背景

研究发现，通用领域的 sentiment 模型在区分重症监护室（ICU）临床笔记中的积极情绪和消极情绪方面效果不佳，因此推荐使用特定领域的 sentiment 模型。尽管有多种常见的 sentiment 分析方法，但很少有研究比较和评估专门化模型的有效性，这主要是由于招募临床注释者和获取临床 sentiment 数据的难度较大。本研究有三个贡献：(1) MIMIC-III-Ext-Notes-Sentiment： 首个由临床医生标注的公开 ICU 特定真实数据集，用于研究 ICU 临床笔记中的临床 sentiment 极性。(2) SentimentICUModel： 一种在真实数据集上有效分类 ICU 叙述中临床 sentiment 的模型。(3) 对该数据集上多种临床 sentiment 分类方法的有效性进行了对比分析。

方法

我们招募了五名临床医生对笔记进行标注以生成真实数据。注释者指出了影响他们分类的笔记文本部分。六种特定于临床的模型在真实数据集上进行了对比。

结果

由于临床医生的工作量较大，注释任务具有挑战性，整个过程持续了 15 个月。真实数据是基于注释者之间的共识分析得出的。临床医生提取的文本片段与其共识水平相符。临床语言模型提供了相当的准确性（最高可达 82%），其中 ClinicalT5 获得了最高分数，并以 SentimentICUModel 的形式发布。它们的表现优于基于关键词的词典（p\( < 0.05\)，[95% CI, ?0.47, ?0.28]）。

结论

临床语言模型在识别临床笔记中的临床 sentiment 方面表现出有效性，能够早期发现患者的病情突然变化，并探索患者在 ICU 住院期间的不同模式。

``````

背景

研究发现，通用领域的 sentiment 模型在区分重症监护室（ICU）临床笔记中的积极情绪和消极情绪方面效果不佳，因此推荐使用特定领域的 sentiment 模型。尽管有多种常见的 sentiment 分析方法，但很少有研究比较和评估专门化模型的有效性，这主要是由于招募临床注释者和获取临床 sentiment 数据的难度较大。本研究有三个贡献：(1) MIMIC-III-Ext-Notes-Sentiment： 首个由临床医生标注的公开 ICU 特定真实数据集，用于研究 ICU 临床笔记中的临床 sentiment 极性。(2) SentimentICUModel： 一种在真实数据集上有效分类 ICU 叙述中临床 sentiment 的模型。(3) 对该数据集上多种临床 sentiment 分类方法的有效性进行了对比分析。

方法

我们招募了五名临床医生对笔记进行标注以生成真实数据。注释者指出了影响他们分类的笔记文本部分。六种特定于临床的模型在真实数据集上进行了对比。

结果

由于临床医生的工作量较大，注释任务具有挑战性，整个过程持续了 15 个月。真实数据是基于注释者之间的共识分析得出的。临床医生提取的文本片段与其共识水平相符。临床语言模型提供了相当的准确性（最高可达 82%），其中 ClinicalT5 获得了最高分数，并以 SentimentICUModel 的形式发布。它们的表现优于基于关键词的词典（p\( < 0.05\)，[95% CI, ?0.47, ?0.28]）。

结论

临床语言模型在识别临床笔记中的临床 sentiment 方面表现出有效性，能够早期发现患者的病情突然变化，并探索患者在 ICU 住院期间的不同模式。

``````

```