Orodja umetne inteligence pospešijo postopek prepoznavanja injicirajočih uživalcev drog

Orodja umetne inteligence pospešijo postopek prepoznavanja injicirajočih uživalcev drog

REZULTATI

Avtomatiziran proces, ki združuje obdelavo naravnega jezika in strojno učenje, identificira osebe, ki si injicirajo droge (PWID) v elektronskih zdravstvenih kartotekah hitreje in natančneje kot trenutne metode, ki temeljijo na ročnih pregledih kartotek.

OZADJE

Trenutno so ljudje, ki si injicirajo droge, identificirani s kodami Mednarodne klasifikacije bolezni (ICD), ki jih v elektronskih zdravstvenih kartotekah pacientov zagotovijo ponudniki zdravstvenega varstva ali iz teh zapiskov izvlečejo usposobljeni človeški kodirniki, ki jih pregledajo za namene zaračunavanja. Vendar pa ni posebne kode ICD za intravensko uporabo drog, zato se morajo ponudniki in kodirniki zanašati na kombinacijo nespecifičnih kod kot približkov za identifikacijo PWID – počasen pristop, ki lahko vodi do netočnosti.

METODA

Raziskovalci so ročno pregledali 1000 zapisov od leta 2003 do 2014 o ljudeh, sprejetih v bolnišnice Veterans Administration z bakteriemijo Staphylococcus aureus, običajno okužbo, ki se pojavi, ko bakterije vstopijo v odprtine v koži, kot so mesta injiciranja. Nato so razvili in usposobili algoritme z uporabo obdelave naravnega jezika in strojnega učenja ter jih primerjali z 11 nadomestnimi kombinacijami kod ICD za identifikacijo PWID.

Omejitve študije vključujejo potencialno slabo dokumentacijo ponudnikov. Poleg tega je uporabljeni nabor podatkov od leta 2003 do 2014, vendar se je epidemija uživanja drog z vbrizgavanjem od takrat premaknila z opioidov na recept in heroina na sintetične opioide, kot je fentanil, ki jih algoritem morda zgreši, ker nabor podatkov, na podlagi katerega se je naučil razvrstitve, ne vsebuje veliko primerov te droge. Končno, rezultatov morda ni mogoče posplošiti na druge okoliščine, ker v celoti temeljijo na podatkih uprave za veterane.

VPLIV

Uporaba tega modela umetne inteligence bistveno pospeši proces identifikacije PWID, kar bi lahko izboljšalo klinično odločanje, zdravstvene raziskave in administrativni nadzor.

KOMENTIRAJ

"Z uporabo obdelave naravnega jezika in strojnega učenja smo lahko identificirali ljudi, ki si droge injicirajo, v tisočih zapiskih v nekaj minutah, v primerjavi z več tedni, ki bi potrebovali ročnega pregledovalca," je povedal glavni avtor dr. David Goodman-Meza, docent medicine na oddelku za nalezljive bolezni na Medicinski fakulteti David Geffen pri UCLA. "To bi zdravstvenim sistemom omogočilo identifikacijo PWID za boljšo dodelitev virov, kot so programi za servisiranje brizg in uporaba substanc ter zdravljenje duševnega zdravja za ljudi, ki uživajo droge."

AVTORJI

Drugi raziskovalci v študiji so dr. Amber Tang, dr. Matthew Bidwell Goetz, Steven Shoptaw in Alex Bui iz UCLA; Michihiko Goto z Univerze v Iowi in Iowa City Medical Center, VA; Dr. Babak Aryanfar iz sistema zdravstvenega varstva Los Angelesa VA; Sergio Vazquez s kolidža Dartmouth; in dr. Adam Gordon z Univerze v Utahu in VA Salt Lake City Health Care System. Goodman-Meza in Goetz imata tudi termine v VA Greater Los Angeles Healthcare System.

DNEVNIK

Študija je bila objavljena v reviji Open Forum Infectious Diseases.

FINANCIRANJE

Ameriški nacionalni inštitut za zlorabo drog je financiral to študijo.

Vir:

Univerza v Kaliforniji, Los Angeles (UCLA), zdravstvene vede

.