Nástroje umelej inteligencie urýchľujú proces identifikácie ľudí, ktorí injekčne užívajú drogy

Nástroje umelej inteligencie urýchľujú proces identifikácie ľudí, ktorí injekčne užívajú drogy

VÝSLEDKY

Automatizovaný proces kombinujúci spracovanie prirodzeného jazyka a strojové učenie identifikuje ľudí, ktorí si injekčne aplikujú drogy (PWID) v elektronických zdravotných záznamoch rýchlejšie a presnejšie ako súčasné metódy, ktoré sa spoliehajú na manuálne kontroly záznamov.

POZADIE

V súčasnosti sú ľudia, ktorí injekčne užívajú drogy, identifikovaní pomocou kódov Medzinárodnej klasifikácie chorôb (ICD), ktoré poskytujú poskytovatelia zdravotnej starostlivosti v elektronických zdravotných záznamoch pacientov alebo ich z týchto poznámok vyťahujú vyškolení kódovači, ktorí ich kontrolujú na účely fakturácie. Neexistuje však žiadny špecifický ICD kód pre intravenózne užívanie drog, takže poskytovatelia a kódovači sa musia spoliehať na kombináciu nešpecifických kódov ako proxy na identifikáciu PWID – pomalý prístup, ktorý môže viesť k nepresnostiam.

METÓDA

Výskumníci manuálne preskúmali 1 000 záznamov od roku 2003 do roku 2014 o ľuďoch prijatých do nemocníc Správy veteránov s bakteriémiou Staphylococcus aureus, bežnou infekciou, ktorá sa vyskytuje, keď baktérie vstúpia do otvorov v koži, ako sú miesta vpichu. Potom vyvinuli a trénovali algoritmy využívajúce spracovanie prirodzeného jazyka a strojové učenie a porovnali ich s 11 proxy kombináciami ICD kódov na identifikáciu PWID.

Obmedzenia štúdie zahŕňajú potenciálne slabú dokumentáciu zo strany poskytovateľov. Okrem toho sa používa súbor údajov z rokov 2003 až 2014, ale epidémia injekčného užívania drog sa odvtedy presunula z opioidov na predpis a heroínu na syntetické opiáty, ako je fentanyl, čo algoritmu môže chýbať, pretože súbor údajov, na základe ktorého sa naučil klasifikovať, neobsahuje veľa príkladov tejto drogy. Nakoniec, výsledky nemusia byť zovšeobecniteľné na iné okolnosti, pretože sú založené výlučne na údajoch Správy veteránov.

VPLYV

Použitie tohto modelu umelej inteligencie výrazne urýchľuje proces identifikácie PWID, čo by mohlo zlepšiť klinické rozhodovanie, výskum v oblasti zdravotnej starostlivosti a administratívne monitorovanie.

KOMENTÁR

"Pomocou spracovania prirodzeného jazyka a strojového učenia sme boli schopní identifikovať ľudí, ktorí si injekčne aplikujú drogy v tisíckach poznámok v priebehu niekoľkých minút, v porovnaní s niekoľkými týždňami, ktoré by zabral ručnému recenzentovi," povedal hlavný autor Dr. David Goodman-Meza, odborný asistent medicíny na oddelení infekčných chorôb na David Geffen School of Medicine na UCLA. "To by umožnilo zdravotným systémom identifikovať PWID, aby mohli lepšie prideľovať zdroje, ako sú programy služieb injekčných striekačiek a užívanie látok a liečba duševného zdravia pre ľudí, ktorí užívajú drogy."

AUTORI

Ďalšími výskumníkmi v štúdii sú Dr. Amber Tang, Dr. Matthew Bidwell Goetz, Steven Shoptaw a Alex Bui z UCLA; Dr. Michihiko Goto z University of Iowa a Iowa City Medical Center, VA; Dr. Babak Aryanfar z VA Greater Los Angeles Healthcare System; Sergio Vazquez z Dartmouth College; a Dr. Adam Gordon z University of Utah a VA Salt Lake City Health Care System. Goodman-Meza a Goetz majú tiež stretnutia vo VA Greater Los Angeles Healthcare System.

DENNÍK

Štúdia bola publikovaná v časopise Open Forum Infectious Diseases.

FINANCOVANIE

Túto štúdiu financoval americký Národný inštitút pre zneužívanie drog.

Zdroj:

Kalifornská univerzita, Los Angeles (UCLA), zdravotnícke vedy

.