Les outils d’intelligence artificielle accélèrent le processus d’identification des consommateurs de drogues injectables

Les outils d’intelligence artificielle accélèrent le processus d’identification des consommateurs de drogues injectables

RÉSULTATS

Un processus automatisé combinant traitement du langage naturel et apprentissage automatique identifie les personnes qui s'injectent des drogues (PWID) dans les dossiers de santé électroniques plus rapidement et avec plus de précision que les méthodes actuelles qui reposent sur des examens manuels des dossiers.

ARRIÈRE-PLAN

Actuellement, les personnes qui s'injectent des drogues sont identifiées à l'aide des codes de la Classification internationale des maladies (CIM) fournis dans les dossiers médicaux électroniques des patients par les prestataires de soins de santé ou extraits de ces notes par des codeurs humains qualifiés qui les examinent à des fins de facturation. Cependant, il n’existe pas de code CIM spécifique pour l’usage de drogues intraveineuses, de sorte que les prestataires et les codeurs doivent s’appuyer sur une combinaison de codes non spécifiques comme proxy pour identifier les consommateurs de drogues – une approche lente qui peut conduire à des inexactitudes.

MÉTHODE

Les chercheurs ont examiné manuellement 1 000 dossiers de 2003 à 2014 de personnes admises dans les hôpitaux de la Veterans Administration avec une bactériémie à Staphylococcus aureus, une infection courante qui survient lorsque la bactérie pénètre dans les ouvertures de la peau, telles que les sites d'injection. Ils ont ensuite développé et entraîné des algorithmes utilisant le traitement du langage naturel et l’apprentissage automatique et les ont comparés à 11 combinaisons proxy de codes ICD pour identifier les CDI.

Les limites de l'étude incluent une documentation potentiellement médiocre par les prestataires. De plus, l’ensemble de données utilisé va de 2003 à 2014, mais l’épidémie de consommation de drogues injectables est depuis passée des opioïdes sur ordonnance et de l’héroïne aux opioïdes de synthèse tels que le fentanyl, que l’algorithme peut manquer car l’ensemble de données sur lequel il a appris la classification ne contient pas beaucoup d’exemples de cette drogue. Enfin, les résultats peuvent ne pas être généralisables à d’autres circonstances car ils sont entièrement basés sur les données de l’Administration des anciens combattants.

IMPACT

L’utilisation de ce modèle d’intelligence artificielle accélère considérablement le processus d’identification des CDI, ce qui pourrait améliorer la prise de décision clinique, la recherche sur les soins de santé et le suivi administratif.

COMMENTAIRE

"Grâce au traitement du langage naturel et à l'apprentissage automatique, nous avons pu identifier les personnes qui s'injectent des drogues dans des milliers de notes en quelques minutes, par rapport aux plusieurs semaines qu'il faudrait à un examinateur manuel", a déclaré l'auteur principal, le Dr David Goodman-Meza, professeur adjoint de médecine à la Division des maladies infectieuses de la faculté de médecine David Geffen de l'UCLA. "Cela permettrait aux systèmes de santé d'identifier les CDI afin de mieux allouer des ressources telles que des programmes de services de seringues et des traitements contre la toxicomanie et la santé mentale pour les personnes qui consomment des drogues."

AUTEURS

Les autres chercheurs participant à l'étude sont le Dr Amber Tang, le Dr Matthew Bidwell Goetz, Steven Shoptaw et Alex Bui de l'UCLA ; Dr Michihiko Goto de l'Université de l'Iowa et du centre médical d'Iowa City, Virginie ; Dr Babak Aryanfar du système de santé VA Greater Los Angeles ; Sergio Vazquez du Dartmouth College; et le Dr Adam Gordon de l'Université de l'Utah et du système de soins de santé VA Salt Lake City. Goodman-Meza et Goetz ont également rendez-vous au VA Greater Los Angeles Healthcare System.

AGENDA

L'étude a été publiée dans la revue Open Forum Infectious Diseases.

FINANCEMENT

L’Institut national américain sur l’abus des drogues a financé cette étude.

Source:

Université de Californie, Los Angeles (UCLA), Sciences de la santé

.