[论文解读] Using text mining and machine learning for detection of child abuse
本文提出了一种基于机器学习的决策支持系统，通过分析荷兰儿科医生咨询中的结构化数据和非结构化自由文本记录，检测潜在的儿童虐待行为。该系统采用文本挖掘与集成建模（随机森林和SVM）方法，实现了较高的AUC性能，并通过安全的RESTful API成功部署于市政青年保健系统中，结合临床医生反馈，提升了病例识别能力。
Abuse in any form is a grave threat to a child's health. Public health institutions in the Netherlands try to identify and prevent different kinds of abuse, and building a decision support system can help such institutions achieve this goal. Such decision support relies on the analysis of relevant child health data. A significant part of the medical data that the institutions have on children is unstructured, and in the form of free text notes. In this research, we employ machine learning and text mining techniques to detect patterns of possible child abuse in the data. The resulting model achieves a high score in classifying cases of possible abuse. We then describe our implementation of the decision support API at a municipality in the Netherlands.
研究动机与目标
- 调查儿科咨询中的自由文本记录是否包含可检测的儿童虐待模式。
- 比较不同机器学习方法（尤其是集成模型）在结合结构化与非结构化健康数据进行虐待检测方面的有效性。
- 通过儿科专家的判断评估系统性能，以确保其临床相关性和可用性。
- 在真实世界的市政青年保健系统（JGZ）中实现并部署一个安全的、基于反馈的决策支持API。
提出的方法
- 本研究使用了来自荷兰公共卫生服务机构的15+次/名儿童（年龄0–4岁）的咨询数据，包含结构化数据（如身高、体重）和非结构化临床记录。
- 应用了文本挖掘技术从自由文本记录中提取特征，包括基于NLP的预处理和嵌入方法。
- 训练并评估了多种机器学习模型——随机森林、支持向量机，以及结合结构化与非结构化数据的集成模型。
- 使用Flask构建了RESTful API以暴露模型，实现实时预测（在儿童档案关闭时触发），并允许专业人员提交反馈。
- 模型通过每晚使用原始训练数据和临床医生提供的反馈进行再训练，以提升长期性能。
- 所有数据均经过匿名化处理，并通过SSL保护的连接传输，以确保在敏感临床环境中的隐私与安全。
实验结果
研究问题
- RQ1儿科咨询中的自由文本临床记录是否包含可指示儿童虐待的有意义模式？
- RQ2在结合结构化与非结构化健康数据时，哪种机器学习模型在检测儿童虐待方面表现最佳？
- RQ3自动化检测的性能与儿童虐待联络官的专家判断相比如何？
- RQ4基于反馈的、通过API部署的决策支持系统能否有效集成到现实世界青年保健工作流程中？
主要发现
- 结合结构化与非结构化数据的集成模型表现最佳，曲线下面积（AUC）被确定为最合适的评估指标。
- 专家联络官的判断与模型预测结果之间存在高度一致性，表明系统具有较强的临床有效性与用户接受度。
- 该系统已成功作为安全的RESTful API部署于JGZ的客户管理系统中，每日处理约650次预测。
- 将临床医生反馈整合到模型的再训练周期中，实现了随时间推移的持续性能提升。
- 模型的预测结果通过弹出式提示触发实时警报，促使专业人员审查并正确登记疑似病例。
- 该方法表明，非结构化临床记录中包含有价值的、可操作的洞察信息，其在儿童虐待检测中的作用超越了仅依赖结构化数据。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。