Procesamiento del lenguaje natural para detectar el uso indebido de opioides

La narrativa clínica en el registro de salud electrónico (EHR) contiene información valiosa para el análisis predictivo, pero su forma de texto libre es difícil de extraer y analizar para el apoyo a la decisión clínica (CDS). Las canalizaciones de procesamiento clínico del lenguaje natural (NLP) a gran escala se han centrado en las aplicaciones de almacenamiento de datos para los esfuerzos de investigación retrospectivos. Sigue habiendo escasez de evidencia para implementar canalizaciones de PNL de código abierto para proporcionar CDS interoperables y estandarizados al lado de la cama para las operaciones de salud.

Enterprise Analytics y Applied Data Science en UWHealth han ayudado al sistema de salud a hacer crecer su infraestructura de TI para respaldar un Learning Health System (LHS) basado en datos capaz de tomar decisiones aumentadas por inteligencia artificial (IA) al lado de la cama.

Este es un estudio clínico para implementar y evaluar una intervención operativa en todo el hospital para una herramienta CDS impulsada por NLP en tiempo real, llamada Algoritmo de uso indebido de sustancias para derivación a tratamiento mediante inteligencia artificial (SMART-AI). La herramienta SMART-AI CDS se evaluará a través de la implementación en el registro de salud electrónico de UW Health. La herramienta CDS está diseñada para evaluar el uso indebido de opioides en pacientes adultos hospitalizados como parte de una alerta de mejores prácticas para enfermeras y proveedores sobre las necesidades de servicios de consulta de adicciones. La herramienta es parte de una iniciativa de mejora de la calidad con la aprobación de los comités del hospital, incluido el Comité de análisis predictivo e inteligencia artificial clínica. El resultado primario fue el porcentaje de pacientes hospitalizados que dieron positivo (o habrían dado positivo) según la herramienta NLP CDS que recibieron una consulta sobre adicción con cualquiera de las siguientes intervenciones: (1) recepción de intervención de uso de opioides o entrevista motivacional (MI) ; (2) recibo de tratamiento asistido por medicamentos (MAT); y/o (3) remisión al tratamiento de trastornos por uso de sustancias. El resultado primario se informará como un porcentaje en los períodos previos y posteriores a la intervención y consistió en la detección del uso de sustancias y la contratación del servicio de tratamiento para pacientes hospitalizados examinados por uso indebido de opioides. Los resultados secundarios incluyeron la tasa de reingreso hospitalario no planificado a los 30 días. Los criterios para readmisiones hospitalarias no planificadas se adoptaron de los Centros de Servicios de Medicare y Medicaid.

El abuso de sustancias es un problema común en pacientes hospitalizados asociado con malos resultados de salud, pero no se prioriza y con frecuencia no se aborda durante la atención de rutina. Los enfoques actuales para la detección en UW no se realizan y otros sistemas de salud utilizan entrevistas de diagnóstico estructuradas que requieren personal y esfuerzo adicionales durante la atención clínica. Los detalles importantes sobre el uso de sustancias se capturan en las notas clínicas del registro de salud electrónico, pero los datos son difíciles de extraer y analizar. El procesamiento del lenguaje natural y el aprendizaje automático se pueden entrenar para identificar hallazgos relevantes en las notas para evaluar automáticamente a los pacientes con abuso de sustancias.

Los investigadores entrenaron una red neuronal convolucional para detectar e identificar el uso indebido de alcohol, uso indebido de opioides y uso indebido de drogas no opioides con alta precisión utilizando códigos de diagnóstico ICD y notas de admisión recopiladas durante la atención clínica. El algoritmo derivado se denomina Algoritmo de uso indebido de sustancias para derivación a tratamiento mediante inteligencia artificial (SMART-AI). La herramienta de detección utiliza métodos en el procesamiento del lenguaje natural para evaluar a los pacientes hospitalizados y priorizar la atención centrada en el abuso de sustancias. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3922677

SMART AI es más preciso que los sistemas tradicionales basados ​​en reglas. Utiliza aprendizaje automático y fuentes de datos en tiempo real para monitorear continuamente los datos del registro de salud electrónico (EHR) y estratificar a los pacientes hospitalizados por riesgo de uso de sustancias nocivas.

UWHealth es uno de los primeros en adoptar herramientas y planes de apoyo a las decisiones clínicas (CDS) impulsadas por inteligencia artificial (IA) para implementar SMART-AI para detectar el uso no saludable de opioides. El flujo de trabajo de EHR incorporado también permite una transformación de datos automatizada en el almacén de datos de nuestro sistema de salud para analizar medidas para respaldar una operación de Plan Do Study Act (PDSA), un componente integral de Learning Health System (LHS).

Enterprise Analytics y Applied Data Science en UWHealth han ayudado al sistema de salud a hacer crecer su infraestructura de TI para respaldar un LHS basado en datos capaz de tomar decisiones aumentadas por IA al lado de la cama y SMART-AI es uno de los primeros casos de uso para la detección usando procesamiento natural del lenguaje.

Objetivo 1: Examinar el efecto del tratamiento de SMART-AI en los resultados de salud del paciente utilizando un diseño de implementación clínica pragmática.

Diseño del estudio: el día de encendido de la herramienta SMART-AI marcará el inicio del período de implementación. La herramienta se evaluará en un ciclo PDSA durante varios meses de implementación para examinar el resultado principal de las consultas sobre adicciones. La muestra de intervención del estudio SMART-AI consistió en todos los pacientes hospitalizados que dieron positivo por uso indebido de opioides de la herramienta NLP CDS. La medida de eficacia principal fue el porcentaje de pacientes hospitalizados en la muestra de intervención de NLP CDS que dieron positivo por uso indebido de opioides y que recibieron una intervención del servicio de consulta de adicciones para pacientes hospitalizados. Se obtuvo una muestra de control mediante la aplicación retrospectiva de la herramienta NLP CDS a todos los registros de EHR de pacientes hospitalizados durante los dos años anteriores al inicio del presente estudio en marzo de 2023. Los pacientes hospitalizados que dieron positivo retrospectivamente con la herramienta NLP CDS formarán el grupo de control de atención habitual.