211service.com
Przetwarzanie języka naturalnego nadaje sens notatkom lekarzy
Pomimo miliardów dolarów na zachęty do wspierania przyjęcia elektronicznej dokumentacji medycznej, dowody na to, że systemy te poprawiają wydajność lub jakość opieki, są ograniczone. Jednak nowe badanie pokazuje, że przetwarzanie języka naturalnego — gałąź informatyki, która wykorzystuje językoznawstwo do analizy mowy zwykłej — może znacznie zwiększyć użyteczność tych zapisów w poprawie opieki.
Naukowcy wykorzystali to podejście do przesiewania notatek lekarzy, najbogatszego i najbardziej skomplikowanego aspektu elektronicznej dokumentacji medycznej, pod kątem powikłań pooperacyjnych, takich jak zapalenie płuc i posocznica. Metoda okazała się znacznie dokładniejsza niż inne zautomatyzowane systemy. Twierdzą, że podobne podejścia można wykorzystać do różnych zastosowań, w tym do przewidywania, którzy pacjenci są zagrożeni, oraz do opracowywania zautomatyzowanych narzędzi, które pomogą lekarzom w wyborze terapii.
W końcu możesz zobaczyć, jak dane kliniczne mogą być wykorzystywane do bardziej systematycznego pomiaru bezpieczeństwa pacjentów i że naprawdę będziemy w stanie wykorzystać te rzeczy do zarządzania opieką, mówi Ashish Jha , lekarz z Harvard Medical School, który napisał artykuł wstępny towarzyszący gazecie. Gazeta i artykuł wstępny zostały opublikowane w tym tygodniu w Dziennik Amerykańskiego Towarzystwa Medycznego .
Jedną z najbardziej oczekiwanych korzyści płynących z elektronicznej dokumentacji medycznej jest skomputeryzowane śledzenie pacjentów i instytucji — w celu wykrycia, czy dany pacjent jest na przykład zagrożony konkretnym powikłaniem, czy też określony oddział lub szpital działa gorzej niż inne.
Automatyczne śledzenie jest już używane podczas przepisywania leków; na przykład w celu wykrycia interakcji dwóch leków. Ponieważ informacje o receptach są wysoce ustrukturyzowaną częścią dokumentacji medycznej, ich analiza za pomocą oprogramowania jest dość łatwa. Jednak wykorzystanie ogromnej ilości informacji dostępnych w mniej ustrukturyzowanych częściach dokumentacji medycznej, takich jak notatki lekarzy — które zawierają dowolne wpisy dotyczące historii i statusu pacjenta, w tym powikłań pooperacyjnych — jest znacznie trudniejsze.
Jeśli nie będziemy mogli uzyskać dostępu do tych informacji, będziemy mieli trudności z monitorowaniem zapisów w celu poprawy opieki, mówi Jha. Ten artykuł jest tak potężny, ponieważ pokazuje, że możesz to zrobić.
Harvey Murff , lekarz z Vanderbilt University, wraz ze współpracownikami rozwiązali problem za pomocą algorytmów przetwarzania języka naturalnego, które uwzględniają pewne zasady mowy i języka w analizie. Na przykład wyszukiwanie słowa kluczowego może pobrać wszystkie wystąpienia słowa zapalenie płuc, ale przetwarzanie języka naturalnego może również uwzględniać modyfikatory, takie jak brak objawów zapalenia płuc, które dadzą dokładniejsze obliczenie.
Naukowcy przeanalizowali prawie 3000 dokumentacji medycznej pacjentów, którzy przeszli operację w sześciu ośrodkach medycznych należących do Veterans Health Administration pod kątem objawów zapalenia płuc, sepsy, zakrzepicy żył głębokich, zatorowości płucnej i zawału mięśnia sercowego. Śledzenie zdarzeń niepożądanych po operacji może pomóc szpitalom i systemom opieki zdrowotnej monitorować, jak dobrze instytucja przestrzega wytycznych dotyczących bezpieczeństwa. Ale obecne metody mogą wymagać dużej siły roboczej — ręcznego przeglądania dokumentacji w celu zidentyfikowania komplikacji — lub mogą być niedokładne. Chcieliśmy spróbować odtworzyć to, co zrobiłby człowiek, ale w sposób, który byłby skalowalny do większej opieki zdrowotnej i bardziej opłacalny, mówi Murff.
Chociaż opracowywanie algorytmów wiązało się z pewnymi próbami i błędami, wynik końcowy był bardzo czuły — można było zidentyfikować od 80 do 90 procent powikłań wcześniej odnotowanych w ręcznej ocenie przez przeszkolone pielęgniarki. Podejście do przetwarzania języka naturalnego było bardziej czułe niż inna zautomatyzowana metoda, która wykorzystywała kody rozliczeniowe do identyfikacji powikłań pooperacyjnych. Na przykład podejście Murffa wykryło 82 procent przypadków ostrej niewydolności nerek, w porównaniu z 38 procentami w przypadku metody kodów bilingowych.
Jednak nowe podejście było w wielu przypadkach mniej szczegółowe, wykrywając więcej fałszywych alarmów. Myślę, że przy większej liczbie iteracji moglibyśmy to poprawić, mówi Murff. Jego zespół pracuje obecnie nad wykorzystaniem danych z notatek lekarzy do przewidywania ryzyka powikłań lub innych zagrożeń dla bezpieczeństwa pacjentów.
Jedną z korzyści przetwarzania w języku naturalnym jest jego elastyczność. Jha mówi, że podejście to może być wykorzystane w wielu zastosowaniach. Najbardziej godne uwagi, jak mówi, są narzędzia wspomagające podejmowanie decyzji klinicznych, które dają lekarzom pomysły, jak lepiej leczyć pacjentów. Podawanie lekarzom sugestii uwzględniających informacje zawarte w notatkach klinicznych byłoby bardzo skuteczne.
Nuance , wiodący producent oprogramowania do rozpoznawania głosu, opracowuje już komercyjne systemy, które wykorzystują przetwarzanie języka naturalnego do analizy informacji medycznych. Firma współpracuje z zespołem IBM, który opracował Watsona, robota, który rozsławił pokonując ludzkich zawodników w telewizyjnym teleturnieju Niebezpieczeństwo , aby zastosować narzędzia przetwarzania języka naturalnego robota w medycynie.