乳腺癌病理文本的结构化信息提取

摘要

目的对解放军总医院第一医学中心乳腺癌病理报告进行文本结构化信息提取,以支持临床分析研究。方法通过总结解放军总医院第一医学中心2005-2017年共计1万余份乳腺癌病理报告结构及特点,结合临床科研需求和专家经验,整理结构化字段词典和抽取规则,利用基于规则的模式匹配抽取方法对病理报告进行信息抽取。结果利用该方法得到临床科研所需乳腺病理文本结构化指标及其值,并对随机抽样的200条病理报告进行效果评估,结构化字段的召回率和准确率均高于90%。结论基于规则的模式匹配信息提取方法在乳腺癌病理报告中具有一定适用性,可快速、有效地实现对文本信息的结构化提取。