基于深度学习的自然语言处理模型，将非结构化的精神病学笔记转化为可量化的评估机制
该文详细介绍了Holmusk的自然语言处理模型如何将电子病历中的非结构化精神病学笔记转化为可量化的结构化文本，并予以分析以获得大量洞见。
新加坡和纽约年2月22日/美通社/--最大的行为卫生真实世界证据（RWE）平台的搭建者、全球领先数据科学和数字健康公司Holmusk，今日宣布其在麻省理工学院出版社发行的《计算精神病学》上发表科学文章《基于自然语言处理量化精神病患者的精神状况》。全文详见：.
该文章的发表印证了Holmusk独特的专有自然语言处理（NLP）模型库，可将非结构化的精神病学笔记转化为可量化的患者状态指标（如症状、副作用和外部压力源），进一步丰富留存在卫生系统内的数据，帮助评估行为卫生障碍谱系中患者病情的严重程度，并以此建立患者状态的纵向轨迹。通过建立这些可量化的指标，Holmusk模型首次在疾病进展和治疗效果方面，为精神障碍生成可靠的真实世界证据。Holmusk将利用这些来自NLP模型的客观评估措施，在整个卫生系统的行为健康领域，提供基于评估的护理支持和个性化的护理服务。
Holmusk高级数据科学家及文章第一作者SankhaMukherjee表示：“借助NLP标记，我们就能从临床医师杂乱无章的笔记中生成关于患者精神状态的结构化信息，并根据这些标记，运用深度学习算法来量化精神疾病的严重程度。更重要的是，从临床笔记中直接获取重要的精神病标记，使我们能够避免难度重重的匿名化过程，这为我们将定量分析技术应用于所有可用的精神病笔记创造了令人振奋的契机。”
Holmusk数据科学（AI）团队在创建该数据库的过程中，充分利用其专业的行为卫生电子健康记录（EHR）系统MindLinc。Holmusk的MindLinc全球数据库，收集了20多年的电子健康记录，而该数据模型将这些笔记转换成多个与精神病学相关的维度。结合机器学习，这些精神病学相关维度为疾病的日常管理和治疗提供更高的精准度。
Holmusk科学顾问、杜克-新加坡国立大学医学院荣誉退休教授兼杜克大学医学院精神病学和行为科学客座教授A.JohnRush医学博士表示：“Holmusk能够有效且系统地汇编临床医生笔记，以评估患者、临床医生和卫生系统的结果，为实现学习型医疗系统带来一次跨越式进步。还可以帮助我们获取以往病人的诊疗决定和结果，用真实世界证据告诉我们如何在未来为病人提供最佳护理。”
HolmuskNLP模型表现稳定且可后期拓展，能够在行为卫生临床实践中收集的非结构化EHR数据中提取信息。此前这是一项十分耗时耗力的工作。
Holmusk首席分析官JoydeepSarkar表示：“Holmusk让我们无需等待收集到完美的数据后，再对其进行分析以获得有用见解。而是通过分析结构化、可量化的临床医师笔记并获得丰富多样的信息，借以颠覆行为卫生领域现有规则。这一解决方案将首次帮助我们，实现真正意义上的患者群体细分，不仅从诊断层面，还能从患者症状和严重程度进行细分，从而在临床试验和治疗实践中确定对应、恰当的药物。”
科学类引文数据：MukherjeeS.S.,YuJ.,WonY.,McClayM.J.,WangL,RushA.J.和SarkarJ.().《基于自然语言处理量化精神病患者的精神状况》.《计算精神病学》卷4，第76-页.