基于机器学习与自然语言处理的急诊分诊分类框架：结构化与非结构化数据融合提升急诊严重性指数分级准确性

《BMC Health Services Research》：Improving patient triage classification in the emergency department using natural language processing and machine learning algorithms: a retrospective cohort study

　　

摘要

背景

急诊科的分诊是对患者病情严重程度进行初步评估的过程。该阶段的精准患者分级至关重要，因为它可以降低患者安全风险，确定最佳医疗治疗方案，并优化成本。传统分诊系统常出现分诊不足和分诊过度问题，且存在较高的变异性和个体偏见。本文提出了一种基于机器学习（ML）和自然语言处理（NLP）的分类框架，利用结构化数据和非结构化数据，以增强急诊严重性指数（ESI）患者的分诊分类。

方法

我们提出了一种框架，用于对ESI系统的三个级别进行患者分诊分类，采用三种数据配置：仅结构化数据、仅非结构化数据，以及两者结合，并辅以处理不平衡数据的策略。我们测试了四种分类算法：极端梯度提升（XGBoost）、随机森林（RF）、多层感知器神经网络（MLP）和逻辑回归（LR），以及一种自然语言处理方法：词频—逆文档频率（TF-IDF），均分别在不使用和使用两种过采样技术的情况下进行测试：合成少数类过采样技术（SMOTE）和自适应合成（ADASYN）。使用变量重要性图（VIP）对所有分析集进行了特征选择步骤。为优化四种分类算法的超参数，我们在训练集上使用网格搜索，并在验证集上评估其性能。对训练集和验证集进行了10折交叉验证，并计算了八项性能指标。方法采用巴西一家大型私立医院急诊科的数据集进行测试。

结果

本研究纳入了64,382名成年患者，其中38.3%被分诊为1级和2级。ROC-AUC最高的模型为XGBoost，在验证集上达到0.871，在测试集上达到0.873，使用的是结构化数据加非结构化数据。使用完整数据集的算法通常优于仅使用结构化数据的算法。总体而言，结合NLP的模型取得了最高的ROC-AUC。用于向量化患者主诉的NLP模型在验证集和测试集上的性能指标提升了4%至11%。

结论

通过NLP整合患者主诉，增强了巴西ESI系统中ML算法的患者分诊性能。NLP提供的非结构化数据的纳入，使得分诊预测更加准确和可靠。