Dirbtinio intelekto įrankiai pagreitina žmonių, kurie švirkščiasi narkotikus, identifikavimo procesą

Dirbtinio intelekto įrankiai pagreitina žmonių, kurie švirkščiasi narkotikus, identifikavimo procesą

REZULTATAI

Automatizuotas procesas, apjungiantis natūralios kalbos apdorojimą ir mašininį mokymąsi, elektroniniuose sveikatos įrašuose greičiau ir tiksliau identifikuoja žmones, kurie švirkščiasi narkotikus (PWID), nei dabartiniai metodai, kurie priklauso nuo įrašų peržiūros rankiniu būdu.

FONAS

Šiuo metu švirkščiamuosius narkotikus vartojantys žmonės identifikuojami naudojant Tarptautinės ligų klasifikacijos (TLK) kodus, kuriuos pacientų elektroniniuose sveikatos įrašuose pateikia sveikatos priežiūros paslaugų teikėjai, arba iš šių užrašų ištraukia apmokyti žmogaus programuotojai, kurie juos peržiūri atsiskaitymo tikslais. Tačiau nėra specifinio TLK kodo, skirto intraveniniam narkotikų vartojimui, todėl paslaugų teikėjai ir programuotojai turi pasikliauti nespecifinių kodų deriniu, kad nustatytų PWID – tai lėtas metodas, dėl kurio gali atsirasti netikslumų.

METODAS

Tyrėjai rankiniu būdu peržiūrėjo 1000 įrašų apie 2003–2014 m. į Veteranų administracijos ligonines paguldytų žmonių, sergančių Staphylococcus aureus bakteriemija – dažna infekcija, kuri atsiranda, kai bakterijos patenka į odos angas, pvz., injekcijos vietas. Tada jie sukūrė ir apmokė algoritmus, naudodami natūralios kalbos apdorojimą ir mašininį mokymąsi, ir palygino juos su 11 tarpinių ICD kodų derinių, kad nustatytų PWID.

Tyrimo apribojimai apima potencialiai prastą teikėjų dokumentaciją. Be to, naudojamas 2003–2014 m. duomenų rinkinys, tačiau nuo to laiko injekcinių narkotikų vartojimo epidemija perėjo nuo receptinių opioidų ir heroino prie sintetinių opioidų, tokių kaip fentanilis, kurių algoritmas gali praleisti, nes duomenų rinkinyje, pagal kurį jis sužinojo apie klasifikaciją, nėra daug šio narkotiko pavyzdžių. Galiausiai, rezultatai gali būti neapibendrinami kitomis aplinkybėmis, nes jie visiškai pagrįsti veteranų administracijos duomenimis.

POVEIKIS

Šio dirbtinio intelekto modelio naudojimas žymiai pagreitina PWID nustatymo procesą, o tai gali pagerinti klinikinių sprendimų priėmimą, sveikatos priežiūros tyrimus ir administracinę stebėseną.

KOMENTARAS

„Naudodami natūralios kalbos apdorojimą ir mašininį mokymąsi, galėjome per kelias minutes atpažinti žmones, kurie švirkščia narkotikus tūkstančiais užrašų, palyginti su kelių savaičių trukmės rankiniu apžvalgininku“, – sakė pagrindinis autorius dr. Davidas Goodmanas-Meza, UCLA Davido Geffeno medicinos mokyklos Infekcinių ligų skyriaus medicinos docentas. „Tai leistų sveikatos sistemoms nustatyti PWID, kad būtų galima geriau paskirstyti išteklius, pvz., švirkštų paslaugų programas ir narkotikų vartojimą bei psichinės sveikatos gydymą narkotikus vartojantiems žmonėms.

AUTORIAI

Kiti tyrimo tyrėjai yra dr. Amber Tang, dr. Matthew Bidwell Goetz, Steven Shoptaw ir Alex Bui iš UCLA; Dr. Michihiko Goto iš Ajovos universiteto ir Ajovos miesto medicinos centro, VA; Dr. Babak Aryanfar iš VA Didžiojo Los Andželo sveikatos priežiūros sistemos; Sergio Vazquezas iš Dartmuto koledžo; ir dr. Adam Gordon iš Jutos universiteto ir VA Solt Leik Sičio sveikatos priežiūros sistemos. Goodman-Meza ir Goetz taip pat turi susitikimus VA Greater Los Andželo sveikatos priežiūros sistemoje.

DIENORAŠTIS

Tyrimas buvo paskelbtas žurnale Open Forum Infectious Diseases.

FINANSAVIMAS

JAV nacionalinis piktnaudžiavimo narkotikais institutas finansavo šį tyrimą.

Šaltinis:

Kalifornijos universitetas, Los Andželas (UCLA), sveikatos mokslai

.