تعمل أدوات الذكاء الاصطناعي على تسريع عملية تحديد الأشخاص الذين يتعاطون المخدرات عن طريق الحقن

تعمل أدوات الذكاء الاصطناعي على تسريع عملية تحديد الأشخاص الذين يتعاطون المخدرات عن طريق الحقن

نتائج

تعمل عملية آلية تجمع بين معالجة اللغة الطبيعية والتعلم الآلي على تحديد الأشخاص الذين يتعاطون المخدرات عن طريق الحقن (PWID) في السجلات الصحية الإلكترونية بشكل أسرع وأكثر دقة من الطرق الحالية التي تعتمد على مراجعات السجلات اليدوية.

خلفية

في الوقت الحالي، يتم التعرف على الأشخاص الذين يتعاطون المخدرات عن طريق الحقن باستخدام رموز التصنيف الدولي للأمراض (ICD) المتوفرة في السجلات الصحية الإلكترونية للمرضى من قبل مقدمي الرعاية الصحية أو المستخرجة من تلك الملاحظات بواسطة مبرمجين بشريين مدربين يقومون بمراجعتها لأغراض إعداد الفواتير. ومع ذلك، لا يوجد رمز محدد للتصنيف الدولي للأمراض لاستخدام المخدرات عن طريق الوريد، لذلك يجب على مقدمي الخدمات والمبرمجين الاعتماد على مجموعة من الرموز غير المحددة كوكلاء لتحديد الأشخاص الذين يستخدمون المخدرات عن طريق الحقن - وهو نهج بطيء يمكن أن يؤدي إلى عدم الدقة.

طريقة

قام الباحثون بمراجعة 1000 سجل يدويًا في الفترة من 2003 إلى 2014 لأشخاص تم إدخالهم إلى مستشفيات إدارة المحاربين القدامى مصابين بتجرثم الدم بالمكورات العنقودية الذهبية، وهي عدوى شائعة تحدث عندما تدخل البكتيريا فتحات في الجلد، مثل مواقع الحقن. ثم قاموا بتطوير وتدريب الخوارزميات باستخدام معالجة اللغة الطبيعية والتعلم الآلي ومقارنتها بـ 11 مجموعة وكيل من رموز التصنيف الدولي للأمراض لتحديد الأشخاص ذوي الإعاقة.

تشمل قيود الدراسة التوثيق الضعيف المحتمل من قبل مقدمي الخدمة. بالإضافة إلى ذلك، فإن مجموعة البيانات المستخدمة هي من عام 2003 إلى عام 2014، لكن وباء تعاطي المخدرات بالحقن تحول منذ ذلك الحين من المواد الأفيونية الموصوفة طبيًا والهيروين إلى المواد الأفيونية الاصطناعية مثل الفنتانيل، والتي قد تفوتها الخوارزمية لأن مجموعة البيانات التي تعلمت التصنيف عليها لا تحتوي على العديد من الأمثلة على هذا الدواء. وأخيرا، قد لا تكون النتائج قابلة للتعميم على ظروف أخرى لأنها تستند بالكامل إلى بيانات إدارة المحاربين القدامى.

تأثير

يؤدي استخدام نموذج الذكاء الاصطناعي هذا إلى تسريع عملية تحديد الأشخاص ذوي الإعاقة بشكل كبير، مما قد يؤدي إلى تحسين عملية صنع القرار السريري، وأبحاث الرعاية الصحية، والمراقبة الإدارية.

تعليق

وقال المؤلف الرئيسي الدكتور ديفيد جودمان ميزا، الأستاذ المساعد في الطب في قسم الأمراض المعدية في كلية ديفيد جيفن للطب بجامعة كاليفورنيا: "باستخدام معالجة اللغة الطبيعية والتعلم الآلي، تمكنا من تحديد الأشخاص الذين يتعاطون المخدرات عن طريق الحقن بآلاف الملاحظات في غضون دقائق، مقارنة بالأسابيع العديدة التي قد يستغرقها المراجع اليدوي". "وهذا من شأنه أن يسمح للأنظمة الصحية بتحديد الأشخاص الذين يستخدمون المخدرات، لتخصيص الموارد بشكل أفضل مثل برامج خدمة الحقن وتعاطي المخدرات وعلاج الصحة العقلية للأشخاص الذين يتعاطون المخدرات".

المؤلفون

الباحثون الآخرون في الدراسة هم الدكتور أمبر تانغ، والدكتور ماثيو بيدويل جويتز، وستيفن شوبتو، وأليكس بوي من جامعة كاليفورنيا؛ والدكتور ميتشيهيكو جوتو من جامعة أيوا ومركز آيوا سيتي الطبي، فيرجينيا؛ والدكتور باباك أريانفار من نظام الرعاية الصحية في فيرجينيا الكبرى في لوس أنجلوس؛ سيرجيو فاسكويز من كلية دارتموث؛ والدكتور آدم جوردون من جامعة يوتا ونظام الرعاية الصحية في فيرجينيا سولت ليك سيتي. لدى Goodman-Meza وGoetz أيضًا مواعيد في نظام الرعاية الصحية في فيرجينيا الكبرى في لوس أنجلوس.

مذكرة

ونشرت الدراسة في مجلة المنتدى المفتوح للأمراض المعدية.

التمويل

قام المعهد الوطني الأمريكي لتعاطي المخدرات بتمويل هذه الدراسة.

مصدر:

جامعة كاليفورنيا، لوس أنجلوس (UCLA)، العلوم الصحية

.