РЕЗУЛЬТАТЫ

Автоматизированный процесс, сочетающий обработку естественного языка и машинное обучение, выявлял людей, употребляющих инъекционные наркотики (ЛУИН), в электронных медицинских картах быстрее и точнее, чем существующие методы, основанные на ручном просмотре записей.

ФОН

В настоящее время люди, употребляющие инъекционные наркотики, идентифицируются с помощью кодов Международной классификации болезней (МКБ), которые указываются в электронных медицинских картах пациентов поставщиками медицинских услуг или извлекаются из этих записей обученными кодировщиками, которые просматривают их для целей выставления счетов. Но специального кода МКБ для употребления инъекционных наркотиков не существует, поэтому поставщики медицинских услуг и кодировщики должны полагаться на комбинацию неспецифических кодов в качестве заменителей для идентификации ЛУИН — медленный подход, который может привести к неточностям.

МЕТОД

Исследователи вручную просмотрели 1000 записей с 2003 по 2014 год о людях, поступивших в больницы Управления по делам ветеранов с бактериемией Staphylococcus aureus , распространенной инфекцией, которая развивается, когда бактерии попадают в отверстия на коже, например, в местах инъекций. Затем они разработали и обучили алгоритмы, используя обработку естественного языка и машинное обучение, и сравнили их с 11 прокси-комбинациями кодов МКБ для идентификации ПИН.

Ограничения исследования включают потенциально плохую документацию поставщиков. Кроме того, используемый набор данных относится к периоду с 2003 по 2014 год, но эпидемия употребления инъекционных наркотиков с тех пор сместилась с отпускаемых по рецепту опиоидов и героина на синтетические опиоиды, такие как фентанил, которые алгоритм может пропустить, потому что в наборе данных, из которого была получена классификация, не так много примеров этот наркотик. Наконец, выводы могут быть неприменимы к другим обстоятельствам, учитывая, что они полностью основаны на данных Управления по делам ветеранов.

Gaia Herbs, Adrenal Health, для ночного восстановления, 120 веганских жидких капсул Phyto-Cap

ВЛИЯНИЕ

Использование этой модели искусственного интеллекта значительно ускоряет процесс выявления ЛУИН, что может улучшить принятие клинических решений, исследования в области здравоохранения и административный надзор.

КОММЕНТАРИЙ

«Используя обработку естественного языка и машинное обучение, мы могли бы идентифицировать людей, употребляющих инъекционные наркотики, в тысячах заметок за считанные минуты по сравнению с несколькими неделями, которые потребовались бы для этого вручную рецензенту», — сказал ведущий автор доктор Дэвид Гудман. Меза, доцент кафедры инфекционных заболеваний Медицинской школы Дэвида Геффена Калифорнийского университета в Лос-Анджелесе. «Это позволит системам здравоохранения выявлять ЛУИН, чтобы лучше распределять ресурсы, такие как программы обмена шприцев и лечения наркомании и психического здоровья для людей, употребляющих наркотики».

АВТОРЫ

Другими исследователями исследования являются д-р Эмбер Танг, д-р Мэтью Бидвелл Гетц, Стивен Шоптоу и Алекс Буи из Калифорнийского университета в Лос-Анджелесе; доктор Мичихико Гото из Университета Айовы и Медицинского центра штата Айова-Сити, штат Вирджиния; доктор Бабак Арианфар из системы здравоохранения штата Вирджиния Большого Лос-Анджелеса; Серхио Васкес из Дартмутского колледжа; и доктор Адам Гордон из Университета Юты и системы здравоохранения Солт-Лейк-Сити, штат Вирджиния. Гудман-Меза и Гетц также назначены на прием в систему здравоохранения VA Greater Los Angeles.

ЖУРНАЛ

Исследование опубликовано в рецензируемом журнале Open Forum Infectious Diseases.

ФИНАНСИРОВАНИЕ

Это исследование финансировал Национальный институт наркомании США.