211service.com
Dabiskās valodas apstrāde dod jēgu ārstu piezīmēm
Neraugoties uz miljardiem dolāru stimuliem, lai atbalstītu elektronisko medicīnisko ierakstu pieņemšanu, pierādījumi, ka šīs sistēmas uzlabo aprūpes efektivitāti vai kvalitāti, ir maz. Taču jauns pētījums liecina, ka dabiskās valodas apstrāde — datorzinātņu nozare, kas izmanto valodniecību, lai analizētu parasto runu — var ievērojami palielināt šo ierakstu lietderību aprūpes uzlabošanā.
Pētnieki izmantoja šo pieeju, lai izsijātu ārstu piezīmes, kas ir visbagātīgākais un sarežģītākais elektronisko medicīnisko ierakstu aspekts, lai novērstu pēcoperācijas komplikācijas, piemēram, pneimoniju un sepsi. Metode izrādījās ievērojami precīzāka nekā citas automatizētas sistēmas. Viņi saka, ka līdzīgas pieejas varētu izmantot dažādiem lietojumiem, tostarp prognozējot, kuri pacienti ir pakļauti riskam, un izstrādājot automatizētus rīkus, kas palīdz ārstiem izvēlēties ārstēšanu.
Beidzot varat redzēt, kā klīniskos datus var izmantot, lai sistemātiskāk novērtētu pacientu drošību, un ka mēs patiešām varēsim izmantot šīs lietas, lai pārvaldītu aprūpi, saka. Ashish Jha , Hārvardas Medicīnas skolas ārsts, kurš rakstīja rakstam pievienoto ievadrakstu. Raksts un redakcija tika publicēti šonedēļ Amerikas Medicīnas asociācijas žurnāls .
Viens no gaidītākajiem elektronisko medicīnisko ierakstu priekšrocībām ir datorizēta pacientu un iestāžu izsekošana — lai noteiktu, vai konkrētam pacientam, piemēram, ir risks saslimt ar kādu konkrētu komplikāciju, vai konkrētas nodaļas vai slimnīcas darbība ir sliktāka nekā citām.
Automātiskā izsekošana jau tiek izmantota recepšu izrakstīšanā; piemēram, lai noteiktu, kad divas zāles mijiedarbojas. Tā kā informācija par receptēm ir ļoti strukturēta medicīniskā ieraksta daļa, to ir bijis diezgan viegli analizēt, izmantojot programmatūru. Tomēr daudz grūtāk ir izmantot plašo informāciju, kas pieejama mazāk strukturētās medicīniskās dokumentācijas daļās, piemēram, klīnicistu piezīmēs, kurās ir brīvas formas ieraksti par pacienta vēsturi un statusu, tostarp pēcoperācijas komplikācijām.
Ja mēs nevarēsim piekļūt šai informācijai, mums būs grūti pārraudzīt ierakstus, lai uzlabotu aprūpi, saka Jha. Šis papīrs ir tik spēcīgs, jo parāda, ka varat to izdarīt.
Hārvijs Mērfs , ārsts no Vanderbiltas universitātes, un līdzstrādnieki risināja problēmu, izmantojot dabiskās valodas apstrādes algoritmus, kas analīzē iekļauj noteiktus runas un valodas noteikumus. Piemēram, meklējot pēc atslēgvārda, var izgūt visus vārda pneimonija gadījumus, bet dabiskās valodas apstrādē var ņemt vērā arī modifikatorus, piemēram, pneimonijas pazīmju neesamību, kas nodrošinātu precīzāku uzskaiti.
Pētnieki analizēja gandrīz 3000 medicīnisko ierakstu no pacientiem, kuriem tika veikta operācija sešos medicīnas centros, kas ir daļa no Veterānu veselības pārvaldes, lai noteiktu pneimonijas, sepses, dziļo vēnu trombozes, plaušu embolijas un miokarda infarkta pazīmes. Nevēlamu incidentu izsekošana pēc operācijas var palīdzēt slimnīcām un veselības aprūpes sistēmām pārraudzīt, cik labi iestāde ievēro drošības vadlīnijas. Taču pašreizējām metodēm var būt nepieciešams liels darbaspēks — manuāla ierakstu pārbaude, lai identificētu sarežģījumus — vai trūkst precizitātes. Mēs vēlējāmies mēģināt atkārtot to, ko darītu cilvēks, taču tādā veidā, kas būtu pielāgojams plašākam veselības aprūpes gadījumam un būtu rentablāks, saka Murfs.
Lai gan algoritmu izstrāde ietvēra dažus izmēģinājumus un kļūdas, gala rezultāts bija ļoti jutīgs — tie varēja identificēt no 80 procentiem līdz 90 procentiem no sarežģījumiem, kas iepriekš tika atzīmēti apmācītu medmāsu manuālajā pārskatā. Dabiskās valodas apstrādes pieeja bija jutīgāka nekā cita automatizēta metode, kas izmantoja norēķinu kodus, lai identificētu pēcoperācijas komplikācijas. Piemēram, Murfa pieeja atklāja 82 procentus akūtas nieru mazspējas gadījumu, salīdzinot ar 38 procentiem norēķinu kodu pieejai.
Tomēr jaunā pieeja daudzos gadījumos bija mazāk specifiska, atklājot vairāk viltus pozitīvu. Es domāju, ka ar vairāk atkārtojumu mēs to varētu uzlabot, saka Murfs. Viņa komanda tagad strādā pie klīnicistu piezīmēs esošo datu izmantošanas, lai prognozētu pacientu komplikāciju risku vai citus drošības apdraudējumus.
Viena no dabiskās valodas apstrādes priekšrocībām ir tās elastība. Jha saka, ka šo pieeju varētu izmantot vairākām lietojumprogrammām. Viņš saka, ka visievērojamākie ir klīnisko lēmumu atbalsta rīki, kuros jūs sniedzat ārstiem idejas, kā labāk ārstēt pacientus. Sniegt ārstiem ieteikumus, kuros ņemta vērā informācija klīniskajās piezīmēs, būtu ļoti spēcīgi.
Nuance, vadošais balss atpazīšanas programmatūras ražotājs, jau izstrādā komerciālas sistēmas, kas izmanto dabiskās valodas apstrādi, lai analizētu medicīnisko informāciju. Uzņēmums sadarbojas ar IBM komandu, kas izstrādāja Watson, robotu, kas kļuva slavens, pārspējot cilvēkus televīzijas spēļu šovā. Apdraudējums , lai medicīnā izmantotu robota dabiskās valodas apstrādes rīkus.