2013年1月28日
NLP致力于改进文档编制过程
朱莉·克努森著
郑重声明
第二十五卷第二页
自然语言处理有可能使编码人员和CDI专家的生活更轻松，但挑战仍然存在。
随着医疗保健组织寻找各种方法来加强其临床文档改进(CDI)工作，自然语言处理(NLP)技术继续引起人们的兴趣。这种语音识别软件可以将电子病历数据转换为结构化的、可搜索的内容，并帮助编码员快速筛选大量信息。但它真的是CDI成功的关键吗?
自动化文档工作流中时间密集、资源消耗的任务是NLP的主要优势之一。Clinithink首席技术官卡尔•克雷斯韦尔(Carl Cresswell)表示:“如果你是文档改进周期的一部分，并且试图识别文档中的关键特征，那么自然语言处理类型的技术可以帮助你深入了解这些异常情况。”
通过使用NLP，这可以跨大量文档完成，并且方法和应用程序都保持一致。“很明显，人类在分析事物的方式上倾向于有点主观，”克雷斯韦尔说，他补充说，计算机可以更一致地审查和评估内容。
Optum的技术副总裁Mark Morsch也认为，NLP极大地提高了整个CDI过程的一致性。这种一致性背后的一个因素是该技术能够梳理整个电子病历。“它不仅包括叙述文本部分，还包括实验室值、药物、行政记录和命令，”他解释说。“记录中的这些元素通常是CDI专家的信息宝库，但它们可能很难阅读、消化和理解。”
Morsch说电子病历通常都很冗长，很难在不遗漏关键信息来源的情况下筛选文件。
在效率方面，与CDI专家手动审查相同数量的记录需要很长时间相比，NLP技术通过在相对较短的时间内提取大量临床证据提供了额外的好处。自动化日常任务可以解放CDI专家，让他们专注于缺乏技术的领域。
Cresswell解释说:“你可能会在组织内的文档中寻找高价值或高风险的问题。他说，通过NLP处理更标准的信息，“它使你能够利用人力资源，专注于对你最重要的领域。”
达拉斯的帕克兰健康和医院系统最近实施了NLP。Robin K. Stults, RHIA, CHC, HIM高级副总裁说，目标是更好地定位她的团队，以满足ICD-10的要求，特别是新代码集所需的文档特异性水平。
护士除非手动挖掘图表，否则无法访问大量数据，这使得NLP节省了时间。“使用NLP，你绝对可以开始快速提取[信息]，”Stults说，而且不仅仅比手动处理数据要快。NLP有助于促进并行审查，这是Stults预期的好处。
她解释说:“我们也在监督这里的护理管理部门，所以我们正在关注床位访问管理。”她补充说，NLP的自动化能力使他能够为医疗需求建立案例，并“开始以同步的方式完善它。”
不是万灵药
业内专家指出，NLP并非万无一失。智能地使用软件是避免潜在缺陷的基础。“你想了解局限性，”Morsch说，他指的是手写的进度记录和其他可能超出NLP能力范围的信息来源。
制定解决医院系统特殊需求或期望的协议对于填补漏洞至关重要。Morsch解释说:“你需要确保系统使用的建议和逻辑与特定组织的CDI政策和计划相一致。”他说，认识到什么是可访问的应该是早期的一步，这样就可以发现潜在的信息差距。
研究人员警告说，不要使用一刀切的方法来进行NLP，他说有几个因素会影响效率和准确性。例如，各种供应商平台中的机制有时会预定义数据字段或其他参数，这可能导致限制或无意中操纵正在收集和处理的信息。“它开始产生太多的一致性，”她说。“有时我认为，这实际上可能会妨碍你获得真正准确工作所需的特异性。”
帕克兰将重点放在澄清程序上，作为避免此类障碍的一种方法。Stults说，最佳实践标准和协议中的细微差别应该仔细构建，以适应组织的整体设计。
更多普通的挑战也存在。“(NLP)不会得到所有的答案，也不会得到所有的异常现象，”克雷斯韦尔说。人类仍然是任何以CDI为中心的NLP计划的重要组成部分，主要是因为他们使用主观方法的能力。Cresswell说，软件的局限性导致“人们对这项技术的期望与它的准确性不匹配。”
后置，前置，还是并发?
获得最好的结果往往取决于在正确的地方实施NLP。Parkland将其NLP平台置于工作流程的开始。“对我来说，前端比后端更有价值，”Stults说。
促进有效的并发审查过程是她的团队的优先事项，不仅因为它有助于提高效率，还因为它在财务上是谨慎的。研究人员认为，通过早期利用语音识别技术，这些努力将得到加强。她解释说:“如果我可以利用来自它的信息来影响或在前端创建适当的干预，我宁愿这样做。”
ZyDoc的董事长、医学博士詹姆斯·m·麦瑟尔(James M. Maisel)建议，与其试图让医生口说“完美的文件”，不如采取一种旨在帮助编码员的策略，可能会更有成效。他说:“我认为更好的方法是让编码人员在完成文档后使用自然语言处理等自动化工具来完成工作。”编码人员可以查看医疗记录，以确定是否需要任何额外的信息，“然后只需向医生询问完成目标所需的最低限度的信息。”
M*Modal首席科学家于尔根•弗里奇博士表示，语音识别平台经常被用于编码过程的后端，在这个过程中，HIM部门正在追踪缺陷，并提出医生的疑问。然而，这种情况可能不会持续太久。他说:“我们认为NLP在未来更像是一种实时工作流程，医生可以从这项技术中获得即时反馈。”
通过促进实时信息收集，在创建文档时将减少缺陷的风险和数量。这种方法需要编码人员和CDI专家同时参与到循环中，这反过来又允许他们继续微调技术以更好地满足他们的需求。弗里奇说，这是一种团队合作的方法，可能会带来更高的效率和更大的成本效益。
然而，目前，NLP技术主要用于放电点，Morsch表示，这与工作流程一致，但并不是一种特别有效的策略。他说:“我们的方向是将它与病人的住院时间同步进行。”他指出，从CDI的角度来看，这种方法具有优势，因为NLP可以在创建文件时使用。
然而，并发方法有一个很大的障碍。Morsch说:“在这一点上，你可能没有完整的医疗记录背景。”他补充说，如果在应用NLP时，电子病历的更广泛部分还没有完全整合，那么编码人员可能会落后，医院在语音识别技术上的投资可能会因此受到削弱。
实际上，没有一个单一的工作流程可以满足每家医院的需求。对于那些仍在寻找NLP在哪里有意义的团体，克雷斯韦尔提供了一些建议。他表示:“如果你正试图启动审计计划，这项技术可以在这方面提供帮助。”NLP带来的一致性可能会击中一些HIM部门的最佳位置。回顾性文档分析也可能是一个有价值的机会。“这种类型的技术可以帮助用户找到正确的点，然后利用他们的知识来更充分地处理文档，”Cresswell说。
对查询的影响
当NLP是等式的一部分时，编码人员很可能会使用不同的方法来处理查询过程。在某些情况下，这项技术可以提供更大的信心，确切地知道文件提供了多少证据和什么类型的证据，以及是否有足够的证据可供查询。“这也改变了查询过程，因为他们能够通过电子方式将查询本身与支持查询的医疗记录的潜在信息源链接在一起，”Morsch说。这可以为查询过程提供更多的透明度，并允许医生更好地了解CDI专家或编码员在哪里找到支持查询的信息。
NLP技术的出现可能会导致医院考虑自动查询。莫希说:“在这些问题上，你可能有足够高的置信度，再加上电子基础设施，可以自动将问题发送给医生，而不是先通过CDI专家进行筛选。”他并不是对所有的查询都推荐这样做，但是当有清晰可靠的指标存在时，编码人员就会相信患者记录中存在空白，自动化查询可能会改变CDI的工作。
创建特定模板的能力是NLP技术在查询过程中带来的另一个潜在发展。Stults设想了这样一种场景:“基于你从NLP中提取的信息，创建和填充模板，然后你就有能力将这些模板提供给医生。”她相信nlp支持的模板可能会让位于近乎即时的反馈。她说:“将来，当医生填写模板或完成文件时，你可能会收到提醒。”
Cresswell设想NLP提示文档中可能缺失的信息，可能接近捕获数据的时间点。他说:“这很可能是在它进入传统查询流程之前。”例如，在叙述中发现的症状，如果没有相关的诊断，可能会给提供者一个信号，表明需要额外的数据。Cresswell说:“在自动化或半自动的基础上，为最重要的项目向临床医生提供这些类型的警报可能特别相关。”他补充说，这对于那些已经将缺陷区域确定为其CDI战略一部分的组织尤其相关。
随着医院努力使报销最大化，许多医院正试图使查询过程更接近实时。Fritsch说，通过使用NLP技术，这些努力可能会“更有效、更迅速”地完成。可以快速识别缺失的信息，并在流程的早期完成查询。弗里奇说:“医生可能不会在一两天后收到编码人员的查询，而是能够看到实时提示，并立即写下所需的细节。”弗里奇补充说，目前正在开发的测试版本具有部分功能。
担心NLP可能会完全取代查询过程，甚至大大减少对经验丰富的编码人员的需求，这是一种误称，Fritsch不太相信。他说，语音识别技术是一种生产力工具，可以帮助CDI专家提高生产力，更容易找到他们关心的相关信息，但“它不会取代他们，也不会使他们的任务过时。”
编码人员要做的大部分工作是解决技术不能100%准确执行的情况，Fritsch认为这将在相当长一段时间内继续成为问题。他指出:“与其他技术一样，如果将其与人类服务结合起来，我们通常会得到最好的结果。”
- Julie Knudson是西雅图的一名自由商业作家。
