Amélioration de la définition des cas de la maladie de Crohn et de la colite ulcéreuse dans les dossiers médicaux électroniques à l'aide du traitement du langage naturel

CONTEXTE : Des études précédentes identifiant des patients atteints de maladies inflammatoires de l’intestin à l'aide de codes administratifs ont donné des résultats incohérents. Notre objectif était de développer un modèle robuste basé sur les dossiers médicaux électroniques pour la classification des maladies inflammatoires de l'intestin en utilisant la combinaison de données codifiées et d'informations provenant de notes cliniques en utilisant le traitement du langage naturel. MÉTHODES : En utilisant les dossiers médicaux électroniques de 2 grands centres académiques, nous avons créé des marts de données pour la maladie de Crohn (MC) et la colite ulcéreuse (CU) comprenant des patients avec ≥1 code de la Classification internationale des maladies, 9e édition, pour chaque maladie. Nous avons utilisé des données codifiées (c'est-à-dire, codes de la Classification internationale des maladies, 9e édition, prescriptions électroniques) et des données narratives provenant de notes cliniques pour développer notre modèle de classification. Le développement et la validation du modèle ont été réalisés dans un ensemble d'entraînement de 600 patients sélectionnés au hasard pour chaque maladie, avec examen des dossiers médicaux comme référence. Une régression logistique avec la pénalité LASSO adaptative a été utilisée pour sélectionner des variables informatives. RÉSULTATS : Nous avons confirmé 399 cas de MC (67%) dans l'ensemble d'entraînement MC et 378 cas de CU (63%) dans l'ensemble d'entraînement CU. Dans les deux cas, un modèle combiné incluant des données narratives et codifiées avait une meilleure précision (aire sous la courbe pour MC 0,95 ; CU 0,94) que les modèles utilisant uniquement des codes de la Classification internationale des maladies, 9e édition (aire sous la courbe 0,89 pour MC ; 0,86 pour CU). L'ajout de termes narratifs issus du traitement du langage naturel à notre modèle final a entraîné la classification de 6% à 12% de sujets supplémentaires avec la même précision. CONCLUSIONS : L'inclusion de concepts narratifs identifiés à l'aide du traitement du langage naturel améliore la précision de la définition des cas dans les dossiers médicaux électroniques pour MC et CU tout en identifiant simultanément plus de sujets par rapport aux modèles utilisant uniquement des données codifiées.