雷根斯特里夫和IUPUI的研究人员利用EHR识别癌症症状群

印第安纳波利斯——患有慢性疾病(如乳腺癌或结直肠癌)的患者经常会感到疲劳、疼痛、抑郁等症状，如果不及时治疗，可能会导致抑郁和功能障碍。为了帮助临床医生管理和治疗对健康和生活质量有负面影响的症状，来自Regenstrief Institute和IUPUI的研究人员设计并测试了从电子健康记录(EHR)中提取症状数据的新方法，并成功检查了症状群和疾病之间的关联。

Regenstrief Institute研究员、该研究的国际作者黄昆说：“我们的新方法可以扩展到乳腺癌和结直肠癌以外的其他领域，以分析对症状管理和治疗至关重要的其他慢性病的症状群。”生物信息学。“识别和了解症状群——哪些症状倾向于共存——如疲劳和抑郁——以及这些症状在治疗过程中何时出现——为患者的护理团队提供了重要信息，尤其是当我们期望准确性是健康的，并试图在正确的时间为正确的患者找到正确的治疗方法时。

黄博士说，“这些信息对研究人员也很重要，因为他们探索这些共现背后的生物学原因是否存在，如果存在，就确定原因。”除了被任命为Regenstrief Institute的研究科学家，他还是数据科学的副院长、精准健康计划的基因组数据科学教授和印第安纳医学院的医学教授。

“使用EHR数据识别乳腺癌和结直肠癌患者的症状群”在第十届计算机学会生物信息学、计算生物学和健康信息学会议上获得最佳论文奖，并发表在会议论文集上。该奖项授予代表突破性研究的论文。通过“最佳论文奖”，ACM关注可能影响计算未来的理论和实践创新。

在EHR，检测和跟踪症状的严重程度和频率并不容易。经常是不同的语言。例如，在EHR，疲劳可以以疲倦、精疲力尽、疲倦、虚弱或疲倦的形式记录。抑郁症可能表现为悲伤、不快乐、绝望或抑郁。为了缓解术语问题，研究小组设计了一种方法，从医疗记录的结构化项目中提取信息，并分析EHR的自由文本临床笔记。

IUPUI工程技术学院计算机和信息技术助理教授罗晓博士说，“EHR的数据还没有被广泛用于理解慢性病患者报告的症状。”她说，“使用从印第安纳病人护理网络获得的EHR数据，我们开发了一个框架，使用数据挖掘、NLP(自然语言处理)和机器学习的组件来探索这些疾病过程中积累的临床信息。”罗博士设计了这种研究方法，擅长预测数据分析和智能数据集成。

研究人员观察了两个时期的症状-化疗的第一年和化疗后的48至54个月。年龄、吸烟史以及个人是否患有糖尿病也在考虑之列。根据症状的严重程度和组合确定症状组。

使用他们开发的算法，研究人员发现乳腺癌和结直肠癌患者有不同的症状群。他们还注意到化疗后不同时间范围的不同症状群。在化疗后的第一年，乳腺癌患者的症状略多于结直肠癌患者。结直肠癌患者在化疗后48至54个月有更多的抑郁。研究人员也可以确定这种联系。例如，如果晚期结直肠癌患者没有疲劳症状，那么他或她不太可能感到抑郁。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！