[论文解读] Augmented Curation of Unstructured Clinical Notes from a Massive EHR System Reveals Specific Phenotypic Signature of Impending COVID-19 Diagnosis

Fnu Shweta, Karthik Murugadoss+25 more|arXiv (Cornell University)|Apr 17, 2020

Machine Learning in Healthcare被引用 7

一句话总结

本研究利用基于深度学习的增强型数据整理平台，分析了来自30,494名患者的1,580万条非结构化电子健康记录（EHR）笔记，识别出在COVID-19确诊前出现的特定表型特征。主要发现显示，嗅觉减退/味觉障碍（增幅37.4倍）、咳嗽+腹泻（增幅3.2倍）以及肌痛/关节痛是PCR检测前4–7天的早期指标，表明可通过EHR表型分析实现潜在的早期诊断。

ABSTRACT

Understanding the temporal dynamics of COVID-19 patient phenotypes is necessary to derive fine-grained resolution of pathophysiology. Here we use state-of-the-art deep neural networks over an institution-wide machine intelligence platform for the augmented curation of 15.8 million clinical notes from 30,494 patients subjected to COVID-19 PCR diagnostic testing. By contrasting the Electronic Health Record (EHR)-derived clinical phenotypes of COVID-19-positive (COVIDpos, n=635) versus COVID-19-negative (COVIDneg, n=29,859) patients over each day of the week preceding the PCR testing date, we identify anosmia/dysgeusia (37.4-fold), myalgia/arthralgia (2.6-fold), diarrhea (2.2-fold), fever/chills (2.1-fold), respiratory difficulty (1.9-fold), and cough (1.8-fold) as significantly amplified in COVIDpos over COVIDneg patients. The specific combination of cough and diarrhea has a 3.2-fold amplification in COVIDpos patients during the week prior to PCR testing, and along with anosmia/dysgeusia, constitutes the earliest EHR-derived signature of COVID-19 (4-7 days prior to typical PCR testing date). This study introduces an Augmented Intelligence platform for the real-time synthesis of institutional knowledge captured in EHRs. The platform holds tremendous potential for scaling up curation throughput, with minimal need for retraining underlying neural networks, thus promising EHR-powered early diagnosis for a broad spectrum of diseases.

研究动机与目标

• 识别在经PCR确诊前，电子健康记录（EHR）笔记中出现的早期、非诊断性表型模式。
• 开发并部署一种增强型智能平台，实现对非结构化临床笔记的可扩展、实时数据整理。
• 检测在PCR确诊前出现的细微但具有高临床影响的症状组合，可能提示疾病早期发作。
• 通过从EHR数据中提取时间性表型特征，实现实时临床早期检测COVID-19。

提出的方法

• 在机构级机器智能平台上应用最先进的深度神经网络模型，从1,580万条非结构化EHR笔记中提取并整理临床表型。
• 对比635例SARS-CoV-2阳性患者与29,859例阴性患者在PCR检测前一周内每日的EHR表型。
• 采用倍数变化分析量化SARS-CoV-2阳性患者相对于阴性对照组的症状相对放大程度。
• 应用时间序列分析，识别在PCR确诊前最早出现的症状模式，重点关注检测前7天窗口期。
• 整合来自不同专科和就诊类型的临床笔记，确保表型表征的全面性。
• 设计平台以实现最小化再训练和高度可扩展性，支持机构级EHR知识的实时整合。

实验结果

研究问题

• RQ1 从非结构化EHR笔记中聚合的哪些临床症状，在后续SARS-CoV-2检测呈阳性的患者中表现出显著放大？
• RQ2 基于机器学习的数据整理系统是否能在PCR确诊前4–7天检测到EHR笔记中的表型模式？
• RQ3 哪些特定的症状组合是EHR数据中最早可检测到的、即将出现的COVID-19诊断表型标志？
• RQ4 增强型数据整理平台如何实现实时、可扩展的表型分析，且模型再训练需求极低？

主要发现

• 与阴性对照组相比，嗅觉减退/味觉障碍在SARS-CoV-2阳性患者中的倍数变化最大（37.4倍），出现在PCR检测前一周内。
• 咳嗽与腹泻共现症状在SARS-CoV-2阳性患者中表现出3.2倍的放大，成为最早可检测到的症状组合之一。
• 肌痛/关节痛（2.6倍）、腹泻（2.2倍）、发热/寒战（2.1倍）以及呼吸困难（1.9倍）在诊断前阶段也显著升高。
• 嗅觉减退/味觉障碍和咳嗽+腹泻是最早可从EHR中识别出的表型标志，可在标准PCR检测前4–7天被发现。
• 增强型数据整理平台展现出高度可扩展性与极低的再训练需求，支持在大规模EHR数据集中高效、实时地进行表型分析。
• 本研究为利用NLP和表型模式检测实现基于EHR的传染病早期诊断提供了概念验证。