Zpracování přirozeného jazyka pro screening zneužití opiátů

Klinické vyprávění v elektronickém zdravotním záznamu (EHR) nese cenné informace pro prediktivní analytiku, ale jeho volně textovou formu je obtížné dolovat a analyzovat pro podporu klinického rozhodování (CDS). Rozsáhlé kanály pro zpracování klinického přirozeného jazyka (NLP) se zaměřily na aplikace datových skladů pro retrospektivní výzkum. Zůstává nedostatek důkazů pro implementaci open source NLP potrubí, která by poskytovala interoperabilní a standardizované CDS u lůžka pro zdravotnické operace.

Enterprise Analytics a Applied Data Science ve společnosti UWHealth pomohly zdravotnickému systému rozšířit jeho IT infrastrukturu tak, aby podporovala daty řízený Learning Health System (LHS) schopný rozhodovat u lůžka rozšířené o umělou inteligenci (AI).

Toto je klinická studie k implementaci a vyhodnocení celonemocniční operační intervence pro nástroj CDS řízený NLP v reálném čase, nazvaný Algoritmus zneužívání látek pro doporučení k léčbě pomocí umělé inteligence (SMART-AI). Nástroj SMART-AI CDS bude vyhodnocen implementací do elektronického zdravotního záznamu UW Health. Nástroj CDS je určen pro screening dospělých hospitalizovaných pacientů na zneužívání opiátů jako součást upozornění na osvědčené postupy pro sestry a poskytovatele poradenských služeb v oblasti závislostí. Tento nástroj je součástí iniciativy na zlepšení kvality se souhlasem nemocničních výborů, včetně výboru pro klinickou umělou inteligenci a prediktivní analýzy. Primárním výsledkem bylo procento hospitalizovaných pacientů, kteří měli pozitivní (nebo by měli pozitivní screening) na základě nástroje NLP CDS, kteří absolvovali konzultaci ohledně závislosti s některou z následujících intervencí: (1) přijetí intervence v oblasti užívání opiátů nebo motivačního rozhovoru (MI) ; (2) příjem medikamentózní léčby (MAT); a/nebo (3) doporučení k léčbě poruchy užívání látek. Primární výsledek bude uváděn jako procento v období před intervencí a po intervenci a bude sestávat ze screeningu užívání návykových látek a zapojení do léčebných služeb u hospitalizovaných pacientů, u kterých byl proveden screening na zneužití opiátů. Sekundární výsledky zahrnovaly 30denní neplánovanou míru opětovného přijetí do nemocnice. Kritéria pro neplánovaná hospitalizace byla přijata z Centers for Medicare & Medicaid Services.

Zneužívání návykových látek je u hospitalizovaných pacientů častým problémem spojeným se špatnými zdravotními výsledky, ale během rutinní péče není upřednostňováno a často není řešeno. Současné přístupy k screeningu na UW se neprovádějí a jiné zdravotnické systémy používají strukturované diagnostické rozhovory, které vyžadují další personál a úsilí během klinické péče. Důležité podrobnosti o užívání látek jsou zachyceny v klinických poznámkách v elektronickém zdravotním záznamu, ale údaje se obtížně dolují a analyzují. Zpracování přirozeného jazyka a strojové učení lze trénovat tak, aby v poznámkách identifikovaly relevantní nálezy a automaticky prověřovaly pacienty se zneužíváním návykových látek.

Vyšetřovatelé vycvičili konvoluční neuronovou síť pro screening a identifikaci zneužívání alkoholu, zneužívání opiátů a zneužívání neopioidních drog s vysokou přesností pomocí diagnostických kódů ICD a vstupních poznámek shromážděných během klinické péče. Odvozený algoritmus se nazývá Algoritmus zneužívání látek pro doporučení léčby pomocí umělé inteligence (SMART-AI). Screeningový nástroj využívá metody zpracování přirozeného jazyka ke screeningu hospitalizovaných pacientů s cílem upřednostnit péči zaměřenou na jejich zneužívání návykových látek. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3922677

SMART AI je přesnější než tradiční systémy založené na pravidlech. Využívá strojové učení a datové zdroje v reálném čase k nepřetržitému sledování dat elektronických zdravotních záznamů (EHR) a stratifikaci hospitalizovaných pacientů podle rizika užívání nezdravých látek.

UWHealth je prvním nositelem nástrojů pro podporu klinického rozhodování (CDS) řízených umělou inteligencí a plánuje implementaci SMART-AI pro screening nezdravého užívání opiátů. Vestavěný pracovní postup EHR také umožňuje automatizovanou transformaci dat do datového skladu našeho zdravotnického systému pro analýzu opatření na podporu operace Plan Do Study Act (PDSA), která je nedílnou součástí systému Learning Health System (LHS).

Enterprise Analytics a Applied Data Science ve společnosti UWHealth pomohly zdravotnickému systému rozšířit jeho IT infrastrukturu tak, aby podporovala daty řízené LHS schopné rozhodování u lůžka rozšířené pomocí AI a SMART-AI je jedním z prvních případů použití pro screening pomocí zpracování přirozeného jazyka.

Cíl 1: Prozkoumat léčebný účinek SMART-AI na zdravotní výsledky pacientů pomocí pragmatického klinického plánu zavádění.

Návrh studie: Dnem zapnutí nástroje SMART-AI začíná období implementace. Nástroj bude vyhodnocen v cyklu PDSA během několika měsíců zavádění, aby se prověřily primární výsledky konzultací v oblasti závislostí. Intervenční vzorek studie SMART-AI sestával ze všech hospitalizovaných pacientů, kteří měli pozitivní screening na zneužití opiátů pomocí nástroje NLP CDS. Primárním měřítkem účinnosti bylo procento hospitalizovaných pacientů v intervenčním vzorku NLP CDS, kteří byli pozitivně testováni na zneužití opiátů a kteří podstoupili intervenci ústavní adiktologické poradny. Kontrolní vzorek byl odvozen retrospektivní aplikací nástroje NLP CDS na všechny lůžkové záznamy EHR za dva roky před zahájením současné studie v březnu 2023. Hospitalizovaní pacienti s pozitivním retrospektivním screeningem pomocí nástroje NLP CDS budou tvořit obvyklou kontrolní skupinu péče.