基于电子病历的预训练模型在急性呼吸道感染识别中的应用

目的评价基于电子病历的预训练模型对急性呼吸道感染(ARI)的识别效果。方法收集重庆大学附属三峡医院2021年12月1至31日就诊于呼吸与危重症科、发热门诊、急诊门诊、儿科、感染科的所有患者的病历资料。使用基于Transformer的双向编码器表征(BERT)预训练模型对病历进行ARI病例识别与判断,以医学专业人员根据ARI病例定义判断的结果作为“金标准”,计算模型识别ARI的灵敏度、特异度、与“金标准”的一致性及受试者工作特征曲线下面积(AUC),评价模型对ARI病例识别的准确性。结果含有3817条电子医疗记录的测试集中,共有1200条经人工判定的ARI病历。模型判定ARI共计1205例,灵敏度为92.67%(1112/1200),特异度96.45%(2524/2617),与“金标准”的一致性Kappa值为0.89,AUC为0.95。模型在男性和女性中识别ARI的准确性相近(AUC分别为0.95和0.94),且对未成年ARI病例识别较18~59岁及≥60岁(AUC分别为0.94,0.89和0.89)更准确。相较于住院患者,目前模型对门诊患者的ARI识别更好,AUC分别为0.74和0.95。结论使用基于电子病历的预训练模型对ARI病例判定具有良好的效果,特别是针对门诊患者及未成年患者。该模型在利用电子病历进行医疗机构ARI病例监测方面表现出良好的潜力。