Využití Large Language Models pro extrakci strukturovaných dat z volného textu klinické dokumentace pacientů s epilepsií

Abstract

Současný vývoj a aplikace velkých jazykových modelů (LLM) přinášejí nové perspektivy pro zlepšení kvality zdravotní péče, zejména v oblastech, kde je přesná diagnostika a monitorování nemocí, jako je epilepsie, klíčová. Kombinací elektronických zdravotních záznamů a pokroků v technologiích zpracování přirozeného jazyka (NLP) existuje potenciál pro efektivnější využití obrovského množství nestrukturovaných klinických dat. Epilepsie, chronické neurologické onemocnění, které postihuje miliony lidí po celém světě, vyžaduje vysoce kvalitní a strukturované informace pro účinnou diagnostiku a léčbu. Výzvou je velký objem volného textu v klinických záznamech, který komplikuje jejich analýzu a interpretaci lékaři a výzkumníky. Implementace metod LLM a NLP v procesu zpracování dat může významně zjednodušit extrakci, kategorizaci a transformaci těchto informací do strukturovaného formátu, čímž umožní efektivnější diagnostické a terapeutické postupy. Tato práce se zaměřuje na zkoumání a analýzu procesu převodu nestrukturovaných textových dat pro další zpracování.

The current growth and application of large language models (LLM) brings new perspectives to improve the quality of healthcare, especially in areas where accurate diagnosis and monitoring of diseases such as epilepsy is crucial. With the combination of electronic health records and advances in natural language processing (NLP) technologies, the possibility of more efficient use of large amounts of unstructured clinical data opens up. Epilepsy, a chronic neurological disease affecting millions of people worldwide, requires quality and structured information for effective diagnosis and treatment. The challenge lies in the large volume of free text in clinical records, which complicates their analysis and interpretation by clinicians and researchers. The implementation of LLM and NLP methods in the data processing process can significantly simplify the extraction, categorization and transformation of this information into a structured format, thereby improving clinical coding and enabling more effective diagnostic and therapeutic procedures. This thesis focuses on the exploration and analysis of the process of transforming unstructured textual data – including patient descriptions, examination records and medical notes – into a structured and analyzable