4月2014

NLP展示了它的多功能性
朱利安·谢弗著
郑重声明
第二十六卷第四页

从CDI到研究和患者参与,自然语言处理都能泰然自若地处理这些问题。

自然语言处理(NLP)是一种使用复杂算法在自由文本中找到定义的技术,它对整个医疗保健行业都很有用,而且不仅仅是医生和其他医疗专业人员可以从这项技术中获得洞察力。NLP的新用途证明,它的潜在好处可以扩展到医学研究人员甚至患者身上,包括帮助促进临床文件改进(CDI)项目,帮助慢性病研究工作,帮助患者更多地参与到他们的护理中来。

推动CDI的努力
唱片公司Records One负责业务发展和战略的执行副总裁史蒂夫·邦尼(Steve Bonney)说,CDI并不新鲜,但它对技术来说是新鲜的。他的公司和其他供应商正致力于通过旨在帮助CDI专家提高效率的平台来改变这种情况。

没有NLP, CDI专家习惯于手动检查记录,只有基本的搜索功能可供他们使用。M*Modal的首席科学家兼联合创始人于尔根•弗里奇(Juergen Fritsch)表示:“这需要花费大量的时间和精力。”他补充说,自然语言处理技术可以帮助实现这一过程的自动化。

当CDI专家打开一个病人的门诊时,他们可能会查看各种电子文档,比如病史和体格、会诊记录和手术报告。如果没有NLP平台的帮助,专家必须手动搜索每个患者文件中的每个文档,以定位关键术语。NLP可以承担这个任务并在更短的时间内完成它。

弗里奇说:“对CDI工作人员影响最大的疾病之一是心力衰竭,其中之一是充血性心力衰竭。”“几乎所有的CDI项目都有他们的CDI专家对CHF患者进行检查,因为你必须记录CHF的一个非常具体的方面,无论是急性、慢性还是急性加慢性。如果一份文件被NLP技术确定为不具备必要的特异性,它就会被CDI专家标记为进一步审查。”

CDI专家可以打开一个会面并审查NLP结果,以快速确定是否存在任何危险信号。是否提到了慢性心力衰竭但没有具体说明,还是提到了慢性肾脏疾病但没有具体说明?过去需要耗费大量人力的搜索工作现在可以通过电子方式完成,这使得CDI专家可以专注于他们工作中更细致的细节,比如决定这些发现是否需要咨询医生。

邦尼说,医疗机构潜在的效率效益是巨大的。他补充说:“这些改善会直接导致财务状况的改善。”“如果你能审查更多的案例,你在财务上应该会有更好的结果。”

自然语言处理当然不是万无一失的,但弗里奇说,即使这项技术不能找到每一分钟的细节,它仍然是一个巨大的工具,“因为它能更快地提供更多的记录,让CDI工作人员更快地找到他们想要的信息。”

“只要涉及到技术,就有可能出错。我不认为你可以避免,”邦尼说,他认为潜在的好处远远超过任何缺点,特别是因为CDI不直接参与病人护理,任何风险都是最重要的。“我们不是要取代人;我们正试图为他们提供帮助的工具。”

邦尼说,由于CDI专业人员短缺,卫生保健组织需要CDI部门尽可能高效。他说:“从事这项工作的人越少,技术就越重要。”“当你给他们更好的工具时,培训他们的工作就容易得多。”

邦尼说,NLP也可以帮助ICD-10的准备工作。他说:“拥有NLP可以让你获得数据,帮助医生做好准备。”“如果你有NLP,你可以生成报告,指出哪些医生在接受培训时没有遵守新的文档协议,因此他们需要再次接受培训。”

“知道ICD-10的要求是什么,NLP可以告诉你,对于你正在记录的任何特定疾病,你是否需要添加更多细节,”弗里奇说,并指出NLP也是一种教育工具。“例如,对于骨折,医生需要记录发生骨折的一侧的侧边。因此,如果NLP识别到医生没有提供是左膝还是右膝,还是左腿还是右腿骨折,那么它就可以标记出来,并将其作为教育性评论。”

实际上,CDI的NLP超越了简单的后端文档改进。根据Fritsch的说法,医生可以实时使用该技术来主动解决文档问题。他说:“实时NLP确实可以帮助缩小这一差距,这样医生就可以在第一时间记录他们应该做什么,这也可以最大限度地减少CDI专家必须做的后端工作。”

弗里奇补充说:“不要仅仅从CDI专家的角度或医生的角度来看待这个问题,而是将他们视为一个需要合作向前发展的团队,以获得尽可能最好的文件。”

慢性疾病研究
凭借其挖掘电子病历中包含的丰富数据的能力,NLP正在医学研究中找到一个利基。尽管有关NLP如何帮助加快医学研究的调查仍处于起步阶段,但根据乔纳森·l·海恩斯博士的说法,NLP揭示各种疾病线索的潜力是无限的,他是克利夫兰凯斯西储大学(Case Western Reserve University)流行病学和生物统计学主席、计算生物学研究所所长、教授。

他说:“由于收集数据的深度和广度,电子病历数据具有巨大的研究潜力。”“其中一个主要障碍是这些数据大部分是非结构化的,大多是自由文本。NLP是我们从非结构化数据中生成结构化数据的方法,从而使其对研究有用。”

根据海恩斯的说法,电子病历中的纵向数据尤其与慢性病相关。最近,他与前研究生、杨百翰大学(Brigham Young University)助理教授玛丽·戴维斯(Mary Davis)博士以及范德比尔特大学医学中心人类遗传学研究中心的其他研究人员一起进行了一项研究,利用电子病历系统中的NLP识别多发性硬化症(MS)患者,并收集疾病特征信息。

虽然已经有一些相当大的MS病例数据集用于基因研究,但Haines说,大多数这些样本的详细临床数据很少,特别是纵向数据。“因此,我们有动力挖掘电子病历来获取这些数据,”他说。“目的是确定我们实际上可以获得多少详细数据,并最终用于基因研究。我们也有动力确定使用现有的基于ehr的生物库来生成数据集的时间和成本,而不是采用从头开始招募这些参与者的常规路线。”

使用NLP技术,研究人员从临床记录、问题列表和信件中提取了八个临床属性,包括以下内容:

•临床亚型;

•存在或不存在寡克隆条带;

•诊断年份;

•扩展残疾状态量表和定时25英尺步行;

•首次症状的年份和来源;和

•药物。

NLP是如何从非结构化数据中剔除这些信息的?海恩斯说:“我们通过识别关键字和短语,包括拼写错误,并排除那些在可疑的上下文中出现的词,例如,带有‘可能的’或‘可疑的’修饰语。”“通过在关键词周围提取多达700个字符,我们能够获得这样的上下文。”

从这些提取的数据中,研究人员做出了几项决定,首先是使用相当简单的电子算法,他们可以在电子病历中以高特异性和敏感性识别多发性硬化症病例,以及匹配良好的对照。

“其次,(我们确定)使用NLP方法获得高质量数据是可能的,包括诸如首次症状的位置,症状和疾病的进展,甚至定量数据,例如25英尺步行的时间,”海恩斯说。“第三,尽管这并不奇怪,但很明显,你可以从任何个人记录中恢复的数据存在很大的异质性。因此,尽管我们最终试图整理七到八个不同的变量,但很少有记录能提供所有这些信息。”

虽然海恩斯和其他研究人员基本上知道他们期望找到的信息和数据,但NLP确实发现了一个特别令人惊讶的发现。海恩斯说:“在计时25英尺的步行中,它通常记录在自由文本和结构化字段中。”“看到两者之间的高度相关性,我们有些惊讶,但也很高兴。

“就我个人而言,我对我们能从电子病历中提取多少详细的临床信息持怀疑态度,但它工作得很好,”他继续说道,并指出他希望改进的算法能够捕捉到疾病临床表现和进展的更多细节。

对于已经被诊断为多发性硬化症的患者,以及那些尚未被诊断出来的患者,海恩斯说NLP有很大的希望。他说:“这应该会加快对MS的研究,因为我们现在应该能够访问许多不同机构的电子病历中大量现有的MS数据。”“这更多的是一个概念证明,这些数据可以被捕获,但有了这些数据,我们可能能够更好地把我们的研究集中在不同亚型的多发性硬化症上,以及诸如进展之类的事情上。”

这并不是一个单独的病例或疾病,它可以通过NLP得到帮助。根据海恩斯的说法,类似的方法可以(并且正在)应用于许多其他常见的慢性疾病,包括糖尿病、心血管疾病,甚至药物不良反应。

他指出,在这方面的选择(以及从改进的诊断和治疗方案中获益的患者的潜力)似乎是无穷无尽的。他说:“找到开放电子病历的方法将加快对几乎所有记录的研究。”

接触病人
帮助医疗保健专业人员,甚至是研究人员更有效地完成工作是一回事,但NLP技术是否也能帮助患者呢?Next IT相信自己可以做到,并开发了一个虚拟助手平台,该平台使用NLP技术,努力吸引患者,让他们更多地参与到自己的护理中来。

Next IT负责医疗市场的高级副总裁维克多•莫里森(Victor Morrison)表示,开发这款名为Alme for Healthcare的工具的动力来自于医疗保健系统目前面临的挑战,以及未来可能面临的更艰难的时期。

他说:“我们的医疗保健系统目前正面临着一些严峻的挑战,这已经不是什么秘密了。”“由于人口老龄化以及《平价医疗法案》(Affordable Care Act)导致的整体覆盖范围的扩大,我们的卫生专业人员正面临极限。美国医学院协会警告说,医疗保健需求的增长将导致到2020年医生短缺超过9万人。我们无法通过维持现状来解决这种短缺问题。”

Next IT寻求提供主动、预防性治疗的解决方案,而不是继续依赖昂贵的急诊科护理,它将虚拟助理视为一种解决方案,可以帮助患者自己减轻一些压力,同时改善护理。

Next IT精通虚拟助手领域,已经为美国联合航空公司(United Airlines)、安泰保险公司(Aetna)和美国陆军建立了平台。但通过Alme for Healthcare,该公司专门为医疗保健系统设计了一个平台,希望为改善患者与临床医生的互动打开大门,从而改善结果,提高患者满意度,降低成本。

莫里森说:“患者的依从性或缺乏依从性是我们医疗保健系统中最大的浪费来源之一,每年造成的损失高达2900亿美元。”Alme for Healthcare的技术为患者提供了一个可以在智能手机、平板电脑或电脑上进行日常交互的界面,帮助患者坚持他们和医生制定的治疗计划。与此同时,医生可以实时更新患者数据,这样他们就可以在下次预约之前发现问题。”

该技术建立在三个核心部分:一个全面的患者本体,基于目标的跟踪和对话参与,帮助患者维护健康计划,以及交互式插图,帮助患者管理家庭任务。莫里森说:“这些部分都汇集在一个对话界面中,可以广泛用于与健康相关的应用程序。”

使用专门为医疗保健相关环境开发的NLP算法,虚拟助手可以通过会话语言识别广泛的医学概念。他说:“它可以帮助记录每天的治疗进展、错过注射、意外症状和情绪,甚至在必要时拨打911。”“这些信息可以被病人和他们的医生用来跟踪他们的治疗计划的进展和总体成功。

根据Morrison的说法,患者信息受到保护,因为Alme for Healthcare软件存在于每个客户自己的网络中。他说:“他们对病人信息的安全性和安全性有完全的控制权,就像他们对网络的任何其他部分一样。”

这项技术最有趣的应用之一涉及慢性病管理。“以2型糖尿病为例,”莫里森说。“管理糖尿病有时是一种非常疲惫的经历,无论是身体上还是精神上。Alme为医疗保健提供支持的虚拟助手可以帮助患者跟踪注射,找到最佳注射地点,并通过积极的互动鼓励他们,从而使这一点变得更容易。”

莫里森说,nlp驱动的工具在改善患者预后和护理质量方面具有巨大的潜力,因为它们利用了患者自己尚未开发的力量。他解释说:“由于医生和其他护理人员已经捉襟危肘,让患者在治疗过程中成为平等的合作伙伴是目前卫生保健提供者最关键的目标之一。”医生、护士和临床医生不能日夜照看病人,但通过赋予病人做出明智决定的权力,虚拟助手可以帮助填补预约就诊之间的空白。这可能对患者的治疗结果产生巨大影响。”

从长远来看,莫里森认为NLP可以通过更多的方式帮助患者建立联系。“NLP和虚拟助手的潜力确实令人着迷,”他说。随着Alme for Healthcare和其他基于nlp的助手变得越来越先进,患者将比以往任何时候都在自己的健康中发挥更重要的作用。通过将虚拟助手与可穿戴传感器、基因数据、健康史等连接起来,患者将获得对自己健康状况的完整、实时的概述。
“不久的将来,病人就会告诉医生自己出了问题。”

总之
CDI、研究和患者参与只是NLP融入医疗保健领域的三种方式。虽然这项技术对整个病人护理来说仍然是一项新技术,而且它的使用还远未达到主流,但邦尼敦促医疗保健专业人员和供应商努力以更多的方式使用NLP,以产生更大的影响。“NLP的核心是创建结构化数据,”他说。“现在你有了结构化数据,你打算用它做什么?”

各种选择,特别是与卫生保健有关的选择,仍在展开中。

- Juliann Schaeffer是宾夕法尼亚州阿尔伯蒂斯的自由撰稿人和编辑。