《Frontiers in Neurology》：Real-world evidence on migraine treatment in routine clinical practice: insights from the Türkiye migraine registry study using artificial intelligence algorithms
编辑推荐：
背景：尽管存在可用的诊断和治疗选项，偏头痛护理中仍存在重大未满足需求。本研究应用人工智能（AI）从常规护理中提取结构化见解，并评估土耳其的偏头痛负担、诊断和治疗。方法：土耳其偏头痛登记研究（Türkiye Migraine Registry Study）是一项
背景：尽管存在可用的诊断和治疗选项，偏头痛护理中仍存在重大未满足需求。本研究应用人工智能（AI）从常规护理中提取结构化见解，并评估土耳其的偏头痛负担、诊断和治疗。方法：土耳其偏头痛登记研究（Türkiye Migraine Registry Study）是一项回顾性、观察性研究，涵盖8个城市的23家医院和诊所。研究人员分析了2021年1月至2023年10月期间接受治疗的11,023名成年人的匿名电子健康记录（EHRs）。一个经过验证的AI框架，结合自然语言处理（NLP）和机器学习（ML），提取了人口统计学、合并症、影像学和处方信息。描述性统计总结了结果。结果：在90,381名神经科患者中，16,751名（18.5%）患有偏头痛或疑似偏头痛；11,023名符合纳入标准。仅46.9%的患者带有ICD-10偏头痛编码，而53.1%的患者被编码为其他头痛综合征，但经常接受偏头痛特异性治疗。该队列73%为女性，平均年龄41.5岁。神经影像学检查频繁（58.7% MRI，15.2% CT），18.4%的患者使用急诊服务。预防性治疗处方给63.7%的患者，主要是抗抑郁药（31.4%）和β受体阻滞剂（19.4%）。OnabotulinumtoxinA和CGRP单克隆抗体的使用率分别为10.3%和3.4%。结论：AI辅助的EHR分析揭示了土耳其偏头痛诊断不足、高影像学使用率和机制特异性预防药物采用有限，强调了提高诊断准确性和更广泛获得现代疗法的必要性。
**论文解读：土耳其偏头痛治疗的临床实践真实世界证据——基于人工智能算法的全国性登记研究**
**研究背景与问题**
偏头痛是一种高度流行且致残的原发性头痛疾病，全球影响超过10亿人，尤其在25至55岁生产力旺盛的年龄段高发。尽管国际头痛分类标准（ICHD-3）提供了明确诊断标准，且急性与预防性治疗手段不断丰富，但全球范围内偏头痛护理仍存在显著不足：许多患者未确诊或未接受充分治疗，全球仅有不到15%的合格患者接受预防性治疗。这一差距部分源于症状报告的主观性以及常规临床中缺乏可靠生物标志物。在土耳其，偏头痛患病率约为16.4%，但真实世界中的诊断准确性和治疗模式尚不清晰。传统电子健康记录（EHRs）中的非结构化临床文本限制了大规模数据分析。因此，研究人员利用人工智能（AI）技术，特别是自然语言处理（NLP）和机器学习（ML），从非结构化临床数据中提取结构化信息，旨在填补这一研究空白。该论文发表在《Frontiers in Neurology》。
**研究内容与结论**
土耳其偏头痛登记研究（TMRS）通过一个经过验证的AI框架，从23家医院和门诊的匿名EHRs中提取信息，分析了11,023名成年患者的人口统计学、临床特征和治疗模式。研究揭示了以下几个关键结论：仅有46.9%的患者被正式编码为ICD-10偏头痛（G43），而53.1%被编码为其他头痛综合征（如G44系列），但其中多数患者接受了偏头痛特异性治疗（如曲普坦类、肉毒毒素），提示真实偏头痛患病率可能被低估；神经影像学使用频繁（58.7%接受MRI，15.2%接受CT），且部分患者接受多次扫描，可能存在过度使用；预防性治疗处方率高达63.7%，但以抗抑郁药和β受体阻滞剂为主，机制特异性药物如CGRP单克隆抗体使用率仅3.4%；急诊服务使用率为18.4%，表明部分患者护理不足。这些发现强调了提高诊断准确性、减少不必要的影像学检查以及扩大现代疗法可及性的必要性，为土耳其偏头痛管理的改进提供了数据基础。
**主要关键技术方法**
本研究采用回顾性、观察性设计，数据来源于土耳其八个城市23家Acibadem Health Group附属医院和诊所的匿名电子健康记录（EHRs），样本包括2021年1月至2023年10月期间治疗的11,023名成年患者。研究使用Traverse Health开发的AI框架，该框架集成了自然语言处理（NLP）和命名实体识别（NER）技术，基于预训练的多语言Transformer模型（XLM-RoBERTa Large）进行迁移学习，从非结构化临床文本中提取人口统计学、合并症、影像学和处方信息。NER模型在验证数据集上F1分数超过95%，药物提取精确率达97.5%。此外，规则-based关系提取算法用于建立实体间临床关联，所有信息标准化映射至Traverse Health通用数据模型（CDM）。统计分析采用描述性统计。
**研究结果**
**Demographic and baseline characteristics（人口统计学与基线特征）**
研究纳入11,023名患者，平均年龄41.5岁，73%为女性，76%年龄小于50岁。患者主要来自伊斯坦布尔（35.1%）、开塞利（18.1%）等省份。通过AI框架分析EHRs中的人口统计学数据，得出上述分布特征。
**Main disease diagnosis（主要疾病诊断）**
仅46.9%的患者（5,172名）带有ICD-10偏头痛编码（G43），其中40.0%为未特定偏头痛，35.8%为无先兆偏头痛。53.1%的患者（5,851名）被编码为其他头痛综合征，最常见为紧张型头痛（G44.2）和其他特定头痛综合征（G44.8）。通过AI提取诊断编码和临床文本，发现诊断与实际治疗存在不一致。
**Headache triggers（头痛触发因素）**
28.3%的患者有触发因素记录，最常见的是月经（n=731）、运动或强度体力活动（n=660）和压力（n=515）。通过AI从非结构化笔记中提取信息，得出触发因素分布。
**Symptoms reported by migraine patients（偏头痛患者报告的症状）**
头痛是最常记录的症状（8,881名患者），伴随症状包括恶心（50.1%）、畏光（26.2%）、畏声（19.1%）和呕吐（16.1%）。通过AI提取症状实体，发现临床记录中症状发生率低于结构化调查，反映文档质量差异。
**Concomitant disorders（合并症）**
最常见的合并诊断为头痛（R51，14.6%）、紧张型头痛（G44.2，10.1%）和头晕（R42，6.1%）。精神合并症如焦虑（1.8%）记录较少。通过AI提取诊断代码和文本，揭示了合并症模式及文档局限性。
**Radiological examination（放射学检查）**
58.7%的患者接受至少一次头颅MRI，15.2%接受CT，部分患者接受多次扫描（如2,649名患者接受≥2次影像学检查）。通过AI提取影像学程序信息，得出高使用率且可能过度使用。
**Patient routing（患者流向）**
75.4%的偏头痛患者和84.2%的其他头痛综合征患者仅接受门诊护理；18.4%的偏头痛患者和8.2%的其他头痛综合征患者使用急诊服务。通过AI分析就诊记录，得出护理路径分布。
**Treatment patterns（治疗模式）**
63.7%的患者接受预防性治疗，其中抗抑郁药（31.4%，以阿米替林为主）和β受体阻滞剂（16.3%，以普萘洛尔为主）最常用；OnabotulinumtoxinA使用率为10.3%，CGRP单克隆抗体（galcanezumab和erenumab）使用率仅3.4%。通过AI提取处方信息，揭示了治疗模式与指南的差距。
**讨论与结论总结**
讨论部分指出，AI辅助的EHR分析能够从非结构化数据中恢复细微临床信息，弥补传统编码的不足。研究发现诊断不足、神经影像学过度使用、急诊服务依赖以及机制特异性预防药物采用有限，反映了真实世界临床中存在的系统性差距。讨论强调，AI工具可标准化症状记录、改善诊断编码并支持临床决策，但需结合教育干预和指南推广。结论部分翻译如下：**结论**：本研究展示了结合结构化EHR数据与AI在增强原发性头痛疾病分类和临床理解方面的效用。通过捕捉大型三级护理网络中的真实世界治疗模式，研究提供了土耳其偏头痛管理现状的独特视角。研究结果不仅强调了临床差距和改进机会，也凸显了利用健康数据推动更数据驱动、公平且可扩展的护理模式的价值。展望未来，将AI整合到健康系统中可能为优化偏头痛护理和支持主动、基于证据的决策提供一条实用路径。
