基于自然语言处理的住院患者谵妄检测技术：系统综述与临床转化挑战

《npj Digital Medicine》：Natural language processing techniques to detect delirium in hospitalized patients from clinical notes: a systematic review

本研究针对住院患者谵妄漏诊率高（传统方法仅20-30%）、临床笔记信息未被充分利用的现状，系统综述了自然语言处理（NLP）技术在谵妄自动检测中的应用。通过分析13项研究（覆盖45万患者），发现Transformer模型性能最优（AUROC 0.984），但61.5%的研究存在高偏倚风险，且缺乏外部验证与前瞻性评估。研究揭示了NLP技术在提升谵妄筛查效率方面的潜力，同时指出标准化评估、多中心验证与临床整合是未来关键方向。

　　

谵妄作为一种急性发作、症状波动的神经精神综合征，影响着50%的住院老年患者和80%的ICU患者，却因症状复杂、评估工具依赖人力等因素，临床漏诊率高达70-80%。传统检测方法如意识模糊评估法（CAM）虽具高灵敏度，但需专业人员操作，难以在繁忙的临床环境中常规应用。电子健康记录（EHR）中丰富的非结构化临床笔记（如医生病程记录、护理文档）蕴含了大量谵妄相关症状描述，自然语言处理（NLP）技术为此提供了自动化筛查的突破口。

为系统评估NLP技术在谵妄检测中的进展与挑战，研究人员对截至2025年3月的8大数据库进行检索，最终纳入13项研究，涵盖超过45万患者数据。研究采用PROBAST+AI和TRIPOD+AI工具进行偏倚风险与报告质量评估，并从技术方法、性能指标、临床适用性等维度展开分析。

关键技术方法

研究基于多中心回顾性EHR数据，重点分析了临床笔记中的谵妄相关语义特征。技术方法涵盖五大类：规则法（38%）依赖预定义关键词与否定处理（如NegEx工具）；机器学习（31%）采用支持向量机（SVM）、随机森林等传统算法；深度学习（15%）应用Transformer架构（如GatorTron、BERT_MIMIC）；主题建模（8%）使用潜在狄利克雷分布（LDA）；半监督学习（8%）探索“锚点学习”框架。性能验证以内部分割为主，仅一项研究进行外部验证。

研究结果

1. 1.
   技术性能差异显著
   Transformer模型表现最优，灵敏度达99.1%（Ge等），AUROC为0.984，但外部验证时降至98.5%。规则法特异性高（100%），而主题建模灵敏度最低（28.5%）。否定处理的引入使字典法F1分数从87.5%提升至88.8%（Amjad等）。
2. 2.
   临床异质性挑战
   谵妄定义标准不统一（CAM、DSM、ICD编码等），且61.5%研究存在高偏倚风险，主因缺乏外部验证与时间序列分析。仅23%研究处理否定语境，多数忽略文档实践差异与术语演化问题。
3. 3.
   报告质量不足
   TRIPOD+AI评估显示，所有研究均未涉及公平性、数据共享或伦理审批，代码可重复性为0%。最大样本量达170,868患者（Chen等），但仅8%研究涵盖ICU特殊人群。

结论与展望

NLP技术尤其Transformer模型在谵妄检测中展现高精度潜力，可弥补结构化数据编码不足的问题。然而，临床转化面临三大瓶颈：验证框架薄弱（仅1项外部验证）、实时整合困难、公平性评估缺失。未来需推进多模态数据融合（如结合生命体征）、开发时序感知模型，并通过前瞻性试验验证其对患者结局的改善效果。本研究为NLP在谵妄管理中的标准化应用提供了首个系统性证据基础，发表于《npj Digital Medicine》的此项工作，标志着数字医疗向精准精神健康监测迈出关键一步。