目的:设计一种基于自然语言处理(natural language processing,NLP)技术的算法,用以从中文电子化病历(electronic medical records,EMRs)中提取肝细胞肝癌(hepatocellular carcinoma,HCC)患者的临床有用信息;并运用这些信息对患者进行HCC分期。材料与方法:从中文EMRs系统中收集92例HCC患者的临床资料,包括手术记录、影像学报告和病理报告。我们将这些患者随机分为训练集(n=60)和测试集(n=32)。以人工注释的结果作为金标准,使用手术记录的训练集开发基于规则的算法和混合型算法。性能较优的算法将用于处理其他临床资料。通过计算精确匹配和部分匹配两种策略的准确度(precision,P)、召回率(recall,R)和F-score来评估算法性能。通过与人工分期结果相比较,对分期算法进行性能评估。结果:当基于规则和混合型两种算法处理手术记录的测试集数据时,其精确匹配和部分匹配两种策略的P、R和F-score均≥80%。基于规则的算法(其性能优于混合型算法)在处理其他三种类型的文档时,也均表现出良好的提取性能。当提取的临床有用信息用于HCC分期时,分期算法与人工分期结果的一致率可达75%。结论:基于EMRs成功开发出NLP算法用于临床信息提取和HCC分期,结果表明中文NLP技术在临床研究中具有潜在的应用价值。