Naturlig sprogbehandling til screening af opioidmisbrug

Den kliniske fortælling i den elektroniske patientjournal (EPJ) indeholder værdifuld information til prædiktiv analyse, men dens fritekstform er svær at udvinde og analysere til klinisk beslutningsstøtte (CDS). Store pipelines for klinisk naturlig sprogbehandling (NLP) har fokuseret på datavarehusapplikationer til retrospektiv forskningsindsats. Der er fortsat mangel på beviser for implementering af open source NLP-pipelines for at levere interoperable og standardiserede CDS ved sengekanten til sundhedsoperationer.

Enterprise Analytics og Applied Data Science hos UWHealth har hjulpet sundhedssystemet med at vokse dets it-infrastruktur for at understøtte et datadrevet Learning Health System (LHS), der er i stand til kunstig intelligens (AI)-forstærket beslutningstagning ved sengen.

Dette er et klinisk studie, der skal implementere og evaluere en operationel intervention på hospitalet til et realtids NLP-drevet CDS-værktøj, kaldet Substance Misuse Algorithm for Referral to Treatment Using Artificial Intelligence (SMART-AI). SMART-AI CDS-værktøjet vil blive evalueret via implementering i UW Healths elektroniske sundhedsjournal. CDS-værktøjet er beregnet til screening af indlagte voksne for opioidmisbrug som en del af en advarsel om bedste praksis til sygeplejersker og udbydere af afhængighedskonsulentservicebehov. Værktøjet er en del af et kvalitetsforbedringsinitiativ med godkendelser fra hospitalsudvalg, herunder Clinical AI og Predictive Analytics Committee. Det primære resultat var procentdelen af ​​indlagte patienter, der screenede positive (eller ville have screenet positivt) baseret på NLP CDS-værktøjet, som modtog en afhængighed, konsulterede med en af ​​følgende interventioner: (1) modtagelse af opioidbrugsintervention eller motiverende samtale (MI) ; (2) modtagelse af medicinassisteret behandling (MAT); og/eller (3) henvisning til behandling af stofmisbrug. Det primære resultat vil blive rapporteret som en procentdel i præ- og post-interventionsperioderne og bestod af stofmisbrugsscreening og behandlingsindsats for indlagte patienter screenet for opioidmisbrug. Sekundære resultater omfattede 30-dages uplanlagte hospitalsgenindlæggelsesfrekvens. Kriterier for uplanlagte hospitalsgenindlæggelser blev vedtaget fra Centers for Medicare & Medicaid Services.

Stofmisbrug er et almindeligt problem hos indlagte patienter forbundet med dårlige helbredsresultater, men det prioriteres ikke og behandles ofte ikke under rutinemæssig behandling. Nuværende tilgange til screening på UW udføres ikke, og andre sundhedssystemer bruger strukturerede diagnostiske interviews, der kræver yderligere personale og indsats under klinisk pleje. Vigtige detaljer om stofbrug er fanget i de kliniske noter i den elektroniske patientjournal, men dataene er svære at mine og analysere. Naturlig sprogbehandling og maskinlæring kan trænes til at identificere relevante fund i noterne for automatisk at screene patienter med stofmisbrug.

Efterforskerne trænede et konvolutionelt neuralt netværk til at screene og identificere alkoholmisbrug, opioidmisbrug og ikke-opioidmisbrug med høj nøjagtighed ved hjælp af ICD-diagnosekoder og indlæggelsesnotater indsamlet under klinisk behandling. Den afledte algoritme kaldes Substance Misuse Algorithm for Referral to Treatment Using Artificial Intelligence (SMART-AI). Screeningsværktøjet bruger metoder i naturlig sprogbehandling til at screene indlagte patienter for at prioritere pleje fokuseret på deres stofmisbrug. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3922677

SMART AI er mere præcis end traditionelle regelbaserede systemer. Den bruger maskinlæring og realtidsdatafeeds til løbende at overvåge de elektroniske sundhedsjournaler (EPJ) og stratificere indlagte patienter med risiko for usundt stofbrug.

UWHealth er en tidlig bruger af Artificial Intelligence (AI)-drevet klinisk beslutningsstøtte (CDS) værktøjer og planlægger at implementere SMART-AI til screening af usund opioidbrug. Den indlejrede EPJ-arbejdsgang giver også mulighed for en automatiseret datatransformation til vores sundhedssystems datavarehus for at analysere foranstaltninger til at understøtte en Plan Do Study Act (PDSA) operation, en integreret komponent til et Learning Health System (LHS).

Enterprise Analytics og Applied Data Science hos UWHealth har hjulpet sundhedssystemet med at vokse dets it-infrastruktur til at understøtte en datadrevet LHS, der er i stand til AI-augmented beslutningstagning ved sengekanten, og SMART-AI er en af ​​de første use-cases til screening vha. naturlig sprogbehandling.

Mål 1: Undersøg behandlingseffekten af ​​SMART-AI på patienters helbredsudfald ved hjælp af et pragmatisk klinisk udrulningsdesign.

Undersøgelsesdesign: Dagen for tænding af SMART-AI-værktøjet markerer starten på implementeringsperioden. Værktøjet vil blive evalueret i en PDSA-cyklus over flere måneders udrulning for at undersøge det primære resultat af afhængighedskonsultationer. SMART-AI-undersøgelsens interventionsprøve bestod af alle indlagte patienter, som screenede positive for opioidmisbrug fra NLP CDS-værktøjet. Det primære effektivitetsmål var procentdelen af ​​indlagte patienter i NLP CDS-interventionsprøven, som blev screenet positive for opioidmisbrug, og som modtog en intervention fra den indlagte afhængighedskonsulenttjeneste. En kontrolprøve blev udledt ved retrospektivt at anvende NLP CDS-værktøjet på alle indlagte EPJ-journaler i de to år før den nuværende undersøgelsesstart i marts 2023. Hospitalsindlagte patienter, der screenede positive retrospektivt under NLP CDS-værktøjet, vil danne den sædvanlige kontrolgruppe.