2011年4月25日

自然语言处理
Lisa A. Eramo著
郑重声明
第二十三卷第八页

通过使用自然语言处理更深入地挖掘文档，医疗保健组织可以分析患者叙述以增强护理。

作为有意义使用的一部分，医院必须证明他们可以捕获EHR中的离散数据元素，但是当大部分信息隐藏在医疗记录的叙述部分时，他们如何实现这一点?

专家说，这个问题的答案可能在于一种熟悉的技术的功能:自然语言处理(NLP)。与语音识别不同的是，NLP只是将口头单词转换为数字文本，而NLP则推断单词背后的含义。

Webmedx负责客户开发的高级副总裁克里斯•卡什韦尔(Chris Cashwell)表示:“这项技术可以标记和解析每个单词。”Webmedx提供的产品将智能语音和临床分析技术与传统的听写和转录服务相结合。“每个单词都可以被转换成一种独立的格式，用于报告功能。”

InterFix, LLC的负责人兼首席执行官Scott D. Faulkner说，作为其标记过程的一部分，该技术可以识别相关的单词和短语。InterFix, LLC是一家国际咨询、工程和技术解决方案提供商，专门为HIM和医疗转录行业提供全球解决方案。例如，NLP可以标记几个常用的医学术语(例如，高血压和高血压)，并将它们识别为适合术语“高血压”的总体描述。

Nuance Communications的首席医疗信息官Nick van Terheyden医学博士说，NLP允许医院在叙述中挖掘数据，而不需要医生或抽象人员的额外努力。Nuance Communications提供的产品提供了从叙述到医疗智能的桥梁。

M*Modal提供了一个统一语音识别和自然语言处理技术的平台，该公司负责营销和产品管理的高级副总裁唐•法拉蒂表示，使用自然语言处理技术，不仅可以让医院轻松捕获离散的数据元素，而且也是保存这一宝贵记录的重要组成部分。

除非有从叙述中提取结构化数据的方法，否则这种特殊风格的文档可能会在部署EHR结构化文档的过程中受到阻碍，Fallati警告说。如果发生这种情况，“我们将失去非常重要的、有意义的信息，”他说。

是什么让这些数据如此有价值?叙述性信息抓住了医生思考方式的本质，包括医疗决定的基本原理的有价值的细节，诊断所依据的额外证据，以及医生在诊断和治疗病人时考虑的各种其他因素，Fallati说。

“NLP对于保存在结构化文档中可能丢失的重要叙事信息至关重要，”他说。“通过这种方式，叙事成为电子病历的重要补充。”

NLP的奇迹
专家表示，NLP功能的影响是不可估量的，特别是在医疗质量继续占据中心地位的情况下。

Cashwell说:“医院开始意识到，一场巨大的质量雪崩即将到来，(他们必须)有能力将数据转化为有意义的结果。”

福克纳说，虽然NLP通常与计算机辅助编码有关，但也有“一整套与医生口述和转录有关的[技术]对NLP的使用绝对有意义。”

以下是医院可以使用NLP来提高质量和效率、增强临床结果和利用现有医生文档的几种方法。

协助完成电子病历内容
首先，NLP可以协助EMR内容实现，这意味着它可以从任何数据源(包括非结构化数据源)中提取离散元素，并用这些信息填充EMR, Faulkner说。

例如，拥有新获得的电子病历的医院可以使用NLP从先前的患者叙述中识别问题列表，并将这些信息转移到其数据库中，Fallati说。van Terheyden说，如果没有NLP，在EMR中实时填充数据字段可能需要使用指向和点击模板进行手动捕获，这对于许多临床场景来说并不理想。

加强摘要和报告
NLP在抽象和报告更大的质量相关计划的信息方面也很有帮助，比如医师质量报告计划和核心措施。“报告需求正在迅速增长，因此NLP潜在地帮助自动化更大程度的抽象的能力提供了巨大的希望，”Fallati说。

专家们一致认为，有意义的使用可能是迄今为止NLP采用背后的最大推动力。

福克纳说:“NLP可以浏览大量的文档，并提取出特别指向那些有意义的使用数据元素的信息。这可能包括问题清单、程序、药物、过敏、生命体征、社会历史和质量测量信息。

提供实时患者数据
福克纳说，当病人在医院接受治疗时，医院可以同时使用NLP为高质量的分析师和医生提供有关病人的宝贵信息。

他解释说:“当一条记录完成后，它会被解析并编入索引，以便进行查询搜索。”例如，医院可以使用这项技术来识别有尿路感染风险的患者，医疗保险和医疗补助服务中心认为这是一种医院获得性疾病。

“如果在h&p(病史和体检)中，医生说他或她插入了导尿管，你(可以使用NLP来监测这些患者)，并可能在他们还在医院的时候采取一些(预防性的)措施。通常这些类型的分析是回顾性的，医院对此无能为力，”福克纳补充道。

福克纳说，同样，医院可以使用NLP来识别所有有心力衰竭病史的住院病人。“这些人在入院后将面临复发的风险。外科医生在手术前了解这一点很重要。他说:“现在，还没有主动的方法来了解这些信息，因为它隐藏在文件的叙述中。”他补充说，NLP技术足够智能，能够从心力衰竭的主要诊断中破译过去的心力衰竭病史。

Cashwell说，医院使用NLP的另一种方式是追踪脓毒症患者，这些患者可能在护理期间的任何给定时间点被诊断出患有这种疾病。NLP有助于立即发现症状，而不是回顾性，使医生能够直接护理这些患者，这可以间接降低再入院率。

加强临床文件的改进工作
一些医院已经利用NLP技术来帮助处理与医疗保险严重程度诊断相关的最有问题的群体。Cashwell说，NLP分析文档并实时搜索某些情况，以确定临床文档改进专家是否应该在患者还在医院时询问医生。执行并发查询可以有效地减少执行后查询和记录保持的数量，从而改善现金流和执行(而不是最终计费)的数量。

设施可以使用NLP来识别记录，例如那些涉及一天停留的记录，这些记录可能是恢复审计承包商或其他第三方审计员的目标。例如，NLP可以分析出院摘要和病历，以确定文件是否符合入院和医疗需要的标准，Cashwell说。所有这些都可以在病人还在医院的时候提前完成，而不是出院后。

执行复杂的数据查询
“NLP可以在不到一秒的时间内扫描数十万份文件，以找到与质量措施和患者安全相关的[术语]，否则将严格通过非常手动的过程来完成。因为它是手动的，所以也是回顾性的，”Cashwell说。

例如，工作人员可能需要在多个临床系统中进行梳理，以便在任何给定时间识别医院中的所有糖尿病患者，而NLP可以在几秒钟内生成相同的列表。该技术搜索明确的关键术语(例如，糖尿病)，以及基于实验室结果或其他指标的相关术语和隐含条件。

NLP可以帮助医院“对来自叙述和各种其他来源的大量信息进行多变量调查，”法拉蒂说。放射学中的一个例子可能是生成过去18个月内发生的所有骨髓病例的列表，以回答诸如为每个病例执行的读取次数、每次读取产生的印象以及得出的任何结论等问题，所有这些都由放射科医生排序。这些信息可以推动放射科医生的质量和效率审查，并与其他相关数据进行分析，以影响其他临床分析。

Cashwell说，NLP允许医院将智能应用于“大量的叙述性文档，在无限快的时间内找到相同的结果”。他补充说，通过案例研究揭示的轶事信息表明，这些nlp生成的查询实际上可能比人类生成的查询更准确。

NLP的未来
van Terheyden说，考虑到实施电子病历和离散数据测量的竞争，广泛采用NLP是不可避免的。他说:“随着我们朝着有意义的使用和记录数字化的方向发展，我们不能像唱片行业那样只生产文本。”“我们必须产生数据，因为一切都是基于临床数据。我们仍然需要叙述——它不会消失——但我们必须从叙述中提取离散数据。这将得到NLP的协助。”

福克纳说，到目前为止，医生对NLP的反应是积极的，因为它对工作流程的影响很小，而且允许灵活的听写风格。他说:“他们不需要注意自己的用词，也不需要以结构化的形式说话。”

然而，就技术是否以及如何改变医疗转录员(mt)的工作流程和所需技能而言，还有很多有待观察的地方。

福克纳说，从工作流程的角度来看，NLP需要有人审查数据，并确保所有临床文档都被标记并解析为电子病历中的正确字段。van Terheyden说，目前还不清楚mt、编码人员、抽象人员、案例管理人员或质量改进管理人员是否会接受数据审阅者/验证者的角色，或者是否会出现一个全新的角色。

福克纳说，MTs可能需要从医生的口述中提取元数据，比如病人的人口统计信息(种族、民族等)，并将其插入正确的标题下，以便NLP解析和标记。他补充说，MTs也可以在附带的报告中阅读一些与NLP搜索相关的信息，比如出院摘要或标准普尔，并将这些信息插入元数据字段。

“可以肯定地说，转录员的角色正在迅速演变。然而，NLP强调了医学转录员长期以来一直在做的事情的价值，”福克纳说。

Cashwell说:“NLP使转录更具相关性，因为它保留了叙事信息的力量。”他补充说，该技术使医院能够更好地利用他们现有的mt和/或语音识别技术。

采购技巧
在评估供应商时，行业专家建议问以下问题:

•NLP技术究竟是如何与语音识别合作的?一些供应商可能会误导客户，让他们相信他们提供NLP，而实际上，他们只是在技术上提供语音识别技术。其他的则提供除了语音识别之外的真正的NLP。在这个场景中，医生使用语音识别指令，然后机器翻译编辑文档并将其发送回医生进行身份验证。最后，医院将NLP应用于文档，数据审查员验证该信息在EMR中的标记和解析。

然而，一些供应商提供两种技术(语音识别和自然语言处理)作为一个单一的解决方案的一部分，法拉蒂说。当选择这个选项时，医生口述使用语音识别，产生的数字文本立即被标记并使用自然语言处理进行解析。

“如果你能智能地将语音识别与自然语言处理技术结合起来，那么你就能更动态地查看单词和句子的上下文，”法拉蒂说。

•NLP对医生来说是否容易使用?他们是否可以将其与前端和后端语音识别一起使用?

•NLP技术是否与电子病历集成?

•NLP技术能否轻松整合来自其他系统的数据?一些供应商可以处理信息，而不管信息来自何处(例如，来自另一家转录公司、实验室系统、放射系统)。Cashwell说，其他供应商必须先通过自己的平台处理数据。

供应商能否以XML格式呈现数据?Cashwell说，如果是这样，医院的IT部门就可以创建自己的定制仪表板。

•NLP供应商的精度和准确度是什么水平?

Lisa a . Eramo是罗德岛Cranston的自由撰稿人和编辑，专门研究医疗监管主题、HIM和医疗编码。