全球联邦式健康数据网络 TriNetX 宣布，推出基于自然语言处理（NLP）的临床记录事实提取功能，现已在 TriNetX LIVE™ 平台及可下载的数据集中提供。该功能从超过 8 亿份临床记录及报告中提取可直接用于分析的数据点，预计到 2026 年底，其基础数据规模将达到约 10 亿份。

TriNetX 指出，临床记录包含疾病分期、体能状态和生物标志物检测结果等详细信息，可补充结构化记录，但要可靠地提取这些信息并不容易。该公司将 AI 与临床医学和信息学专业知识相结合，构建由人工参与的处理流程，并利用大量经过标注的金标准临床记录语料进行训练。

与止步于信息提取的方法不同，TriNetX 会以人工标注的临床记录为基准测试每条处理流程，为每条事实信息赋予置信度评分，并将从临床记录中提取的数据与同一批患者经去标识化处理的结构化电子健康档案（EHR）数据关联，帮助研究人员扩大研究队列，构建更精细且具有临床意义的表型。

三重保障机制

据 TriNetX 介绍，每条事实信息均有三重保障：

  • 人工监督。临床专家会审查并纠正 AI 标注的内容，再根据这些修正结果重新训练模型。每个模块在以人工标注的临床记录为基准的测试中，精确率必须达到 0.90 或以上。
  • 临床验证。对提取出的事实信息进行验证时，不仅考察模型指标，还会检验其是否符合预期的临床规律。例如，根据提取出的美国东部肿瘤协作组（ECOG）体能状态评分绘制的生存曲线显示，评分为 2 分及以上的患者生存情况较差。
  • 持续监测。随着新的医疗机构加入临床记录项目，以及新的记录类型不断增加，TriNetX 会持续监测模型表现，并针对出现的数据差异优化模型。

初步结果

TriNetX 公布的初步结果显示：

  • 从临床记录中提取的事实信息将吸烟状况信息的覆盖率从 22% 提高至 67%；
  • 在一项肺癌队列研究中，识别出的患者数量达到仅使用结构化数据时的 6 倍；
  • 为 292,000 名结构化字段中缺少相关记录的肿瘤患者提取出了 ECOG 和 Karnofsky 体能状态信息。

高管表态

TriNetX 首席执行官 August Calhoun 表示：“让 AI 分析病历并不难。TriNetX 的不同之处在于我们采用的方法：在全球联邦式网络中，将严谨的科学方法与专业人员的知识相结合，而数据始终保留在生成这些数据的机构内部。”他称，“这意味着，随着 AI 成为日常研究的一部分，临床记录能够为生成经得起审查的证据提供支持。”

TriNetX 首席医学信息官 Matvey Palchuk（MD、MS、FAMIA）表示：“没有哪个系统能够准确提取临床记录中的每一处细节，同时确保这些信息具有实际意义。这一局限源于临床语言自身的特性。”他说，“这正是验证如此重要的原因。我们的目标是提取能够可靠地用于生成证据的事实信息。”

覆盖范围

基于 NLP 的临床记录事实提取功能目前涵盖个人史（吸烟和饮酒情况）、心脏病学、呼吸病学、肿瘤学常规信息及生物标志物、肝病等内容，现已向 TriNetX 网络成员开放。

TriNetX 介绍，其网络覆盖 20 多个国家超过 14,200 家临床机构。