Инструментите за изкуствен интелект ускоряват процеса на идентифициране на хора, които инжектират наркотици

Инструментите за изкуствен интелект ускоряват процеса на идентифициране на хора, които инжектират наркотици

РЕЗУЛТАТИ

Автоматизиран процес, комбиниращ обработка на естествен език и машинно обучение, идентифицира хората, които си инжектират наркотици (PWID) в електронните здравни досиета по-бързо и по-точно от настоящите методи, които разчитат на ръчни прегледи на досиета.

ФОН

Понастоящем хората, които си инжектират наркотици, се идентифицират с помощта на кодовете на Международната класификация на болестите (ICD), предоставени в електронните здравни досиета на пациентите от доставчиците на здравни услуги или извлечени от тези бележки от обучени кодиращи хора, които ги преглеждат за целите на таксуването. Въпреки това, няма специфичен ICD код за интравенозна употреба на наркотици, така че доставчиците и кодиращите трябва да разчитат на комбинация от неспецифични кодове като заместители за идентифициране на PWIDs – бавен подход, който може да доведе до неточности.

МЕТОД

Изследователите прегледаха ръчно 1000 записа от 2003 г. до 2014 г. на хора, приети в болниците на администрацията на ветераните с бактериемия Staphylococcus aureus, често срещана инфекция, която се появява, когато бактериите навлязат в отвори в кожата, като местата на инжектиране. След това те разработиха и обучиха алгоритми, използващи обработка на естествен език и машинно обучение, и ги сравниха с 11 прокси комбинации от ICD кодове за идентифициране на PWID.

Ограниченията на проучването включват потенциално лоша документация от доставчиците. Освен това използваният набор от данни е от 2003 г. до 2014 г., но оттогава епидемията от инжекционна употреба на наркотици се е изместила от опиоиди с рецепта и хероин към синтетични опиоиди като фентанил, които алгоритъмът може да пропусне, тъй като наборът от данни, на който е научил класификацията, не съдържа много примери за това лекарство. И накрая, резултатите може да не могат да бъдат обобщени за други обстоятелства, тъй като се основават изцяло на данни на администрацията на ветераните.

ВЪЗДЕЙСТВИЕ

Използването на този модел на изкуствен интелект значително ускорява процеса на идентифициране на PWIDs, което би могло да подобри клиничното вземане на решения, изследванията в здравеопазването и административното наблюдение.

КОМЕНТИРАЙТЕ

„Използвайки обработка на естествен език и машинно обучение, успяхме да идентифицираме хора, които си инжектират наркотици в хиляди бележки за минути, в сравнение с няколко седмици, които биха отнели ръчен рецензент“, каза водещият автор д-р Дейвид Гудман-Меза, асистент професор по медицина в отдела по инфекциозни болести в Медицинския факултет Дейвид Гефен в UCLA. „Това ще позволи на здравните системи да идентифицират хората с увреждания, за да разпределят по-добре ресурси като програми за обслужване на спринцовки и употреба на вещества и лечение на психичното здраве за хора, които употребяват наркотици.“

АВТОРИ

Другите изследователи в проучването са д-р Амбър Танг, д-р Матю Бидуел Гетц, Стивън Шотоп и Алекс Буи от UCLA; Д-р Мичихико Гото от Университета на Айова и Медицинския център на Айова Сити, Вирджиния; Д-р Бабак Арянфар от VA Greater Los Angeles Healthcare System; Серхио Васкес от Dartmouth College; и д-р Адам Гордън от Университета на Юта и системата за здравеопазване в Солт Лейк Сити на Вирджиния. Гудман-Меза и Гец също имат срещи в VA Greater Los Angeles Healthcare System.

ДНЕВНИК

Изследването е публикувано в списание Open Forum Infectious Diseases.

ФИНАНСИРАНЕ

Националният институт за злоупотреба с наркотици на САЩ финансира това проучване.

източник:

Калифорнийски университет, Лос Анджелис (UCLA), Здравни науки

.