Tbiextractor：外傷性脳損傷を抽出するためのフレームワークRadiology Reportsから共通データ要素

背景：電子医療記録から貴重なデータを手動で抽出することは、面倒で、エラーが発生しやすく、一貫性がありません。標準化された用語と組み合わせて抽出を自動化することにより、研究および臨床的目的で利用されるデータの品質と一貫性が大幅に改善されます。ここでは、コンピューター断層撮影（CT）レポートから外傷性脳損傷（TBI）の適切な臨床状態を抽出するためのフレームワークを開発および検証することを目指しました。 方法：否定検出とコンテキスト機能を使用した正規表現アルゴリズムであるPycontextnlpを拡張するTbiextractorを開発し、放射線学レポートからTBI共通データ要素を抽出するためのフレームワークを作成します。アルゴリズムは、Radiologyを入力し、それぞれの注釈を含む27の臨床所見を含む構造化された要約をレポートおよび出力します。アルゴリズムの開発と検証は、ゴールドスタンダードとして2人の医師アノテーターを使用して完了しました。 結果：ゴールドスタンダードと比較した場合、Tbiextractorは高感度（0.92-0.94）および特異性（0.99）を示しました。このアルゴリズムは、アノテーターとの高い等価性（94.6％）も示しました。臨床所見の大部分（85％）には、誤差が最小限でした（F1スコア≥0.80）。アノテーターと比較すると、tbiextractorは情報を大幅に短い時間で抽出しました（レポートあたり0.3秒vs 1.7分）。 結論：Tbiextractorは、放射線学レポートからTBI共通データ要素を抽出するための検証済みのアルゴリズムです。この自動化により、構造化されたデータを抽出するために費やされた時間が短縮され、抽出されたデータの一貫性が向上します。最後に、tbiextractorを使用して、放射線報告書に関連する臨床状態の注釈を分割することにより、目に見える損傷に基づいて被験者をグループに層化することができます。

BACKGROUND: The manual extraction of valuable data from electronic medical records is cumbersome, error-prone, and inconsistent. By automating extraction in conjunction with standardized terminology, the quality and consistency of data utilized for research and clinical purposes would be substantially improved. Here, we set out to develop and validate a framework to extract pertinent clinical conditions for traumatic brain injury (TBI) from computed tomography (CT) reports. METHODS: We developed tbiExtractor, which extends pyConTextNLP, a regular expression algorithm using negation detection and contextual features, to create a framework for extracting TBI common data elements from radiology reports. The algorithm inputs radiology reports and outputs a structured summary containing 27 clinical findings with their respective annotations. Development and validation of the algorithm was completed using two physician annotators as the gold standard. RESULTS: tbiExtractor displayed high sensitivity (0.92-0.94) and specificity (0.99) when compared to the gold standard. The algorithm also demonstrated a high equivalence (94.6%) with the annotators. A majority of clinical findings (85%) had minimal errors (F1 Score ≥ 0.80). When compared to annotators, tbiExtractor extracted information in significantly less time (0.3 sec vs 1.7 min per report). CONCLUSION: tbiExtractor is a validated algorithm for extraction of TBI common data elements from radiology reports. This automation reduces the time spent to extract structured data and improves the consistency of data extracted. Lastly, tbiExtractor can be used to stratify subjects into groups based on visible damage by partitioning the annotations of the pertinent clinical conditions on a radiology report.