Luonnollisen kielen käsittely opioidien väärinkäytön seulomiseksi

Elektronisen sairauskertomuksen (EHR) kliininen narratiivi sisältää arvokasta tietoa ennustavaa analytiikkaa varten, mutta sen vapaatekstimuotoa on vaikea louhia ja analysoida kliinisen päätöksenteon tueksi (CDS). Laajamittainen kliinisen luonnollisen kielen käsittelyn (NLP) putkilinjat ovat keskittyneet tietovarastosovelluksiin retrospektiivisissä tutkimuksissa. Todisteet avoimen lähdekoodin NLP-putkien käyttöönotosta yhteentoimivien ja standardisoitujen CDS:ien tarjoamiseksi terveydenhuollon operaatioille on edelleen niukkaa.

UWHealthin Enterprise Analytics ja Applied Data Science ovat auttaneet terveydenhuoltojärjestelmää kasvattamaan IT-infrastruktuuriaan tukemaan tietopohjaista Learning Health System (LHS) -järjestelmää, joka pystyy tekemään tekoälyllä (AI) täydennettyä päätöksentekoa.

Tämä on kliininen tutkimus, jonka tarkoituksena on toteuttaa ja arvioida sairaalanlaajuinen, toiminnallinen interventio reaaliaikaiselle NLP-ohjautuvalle CDS-työkalulle, jota kutsutaan SMART-AI:ksi. SMART-AI CDS -työkalu arvioidaan toteutuksen kautta UW Healthin sähköisessä terveystietueessa. CDS-työkalu on tarkoitettu laitoshoidossa olevien aikuisten opioidien väärinkäytön seulomiseen osana parhaiden käytäntöjen varoitusta sairaanhoitajille ja palveluntarjoajille riippuvuuskonsulttipalvelutarpeista. Työkalu on osa laadunparannusaloitetta, jonka hyväksynnät ovat saaneet sairaalakomiteat, mukaan lukien kliininen tekoäly ja ennakoiva analytiikkakomitea. Ensisijainen tulos oli niiden sairaalapotilaiden prosenttiosuus, jotka seuloivat positiivisesti (tai olisivat saaneet positiivisen seulonnan) NLP CDS -työkalun perusteella ja jotka saivat riippuvuuskonsultaatiota jossakin seuraavista interventioista: (1) opioidien käytön interventio tai motivoiva haastattelu (MI) ; (2) lääkitysavusteisen hoidon (MAT) saaminen; ja/tai (3) lähete päihdehäiriön hoitoon. Ensisijainen tulos raportoidaan prosentteina interventiota edeltävänä ja sen jälkeisenä ajanjaksona, ja se koostui päihteiden käytön seulonnasta ja hoitopalvelusta opioidien väärinkäytön varalta tutkituille sairaalapotilaille. Toissijaisiin tuloksiin sisältyi 30 päivän suunnittelematon sairaalan takaisinottoaste. Medicare & Medicaid Services -keskukset hyväksyivät suunnittelemattomien sairaalahoitojen kriteerit.

Päihteiden väärinkäyttö on yleinen ongelma sairaalahoidossa olevilla potilailla, jotka liittyvät huonoihin terveydellisiin tuloksiin, mutta sitä ei priorisoida, ja sitä ei usein käsitellä rutiinihoidon aikana. UW:n nykyisiä seulontamenetelmiä ei tehdä, ja muut terveydenhuoltojärjestelmät käyttävät strukturoituja diagnostisia haastatteluja, jotka vaativat lisähenkilöstöä ja vaivaa kliinisen hoidon aikana. Tärkeitä yksityiskohtia päihteiden käytöstä on tallennettu sähköisen sairauskertomuksen kliinisiin muistiinpanoihin, mutta tietoja on vaikea louhia ja analysoida. Luonnollisen kielen prosessointia ja koneoppimista voidaan kouluttaa tunnistamaan asiaankuuluvat havainnot muistiinpanoista, jotta potilaat seulotaan automaattisesti, jos he ovat käyttäneet päihteitä.

Tutkijat kouluttivat konvoluutiohermoverkkoa seulomaan ja tunnistamaan alkoholin väärinkäyttöä, opioidien väärinkäyttöä ja ei-opioidien huumeiden väärinkäyttöä suurella tarkkuudella käyttämällä ICD-diagnostiikkakoodeja ja kliinisen hoidon aikana kerättyjä vastaanottoilmoituksia. Johdettua algoritmia kutsutaan SMART-AI:ksi (Substance Disuse Algorithm for Referral to Treatment using Artificial Intelligence) (SMART-AI). Seulontatyökalu käyttää luonnollisen kielen prosessoinnin menetelmiä sairaalassa olevien potilaiden seulomiseksi priorisoidakseen heidän päihteiden väärinkäyttöön keskittyvää hoitoa. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3922677

SMART AI on tarkempi kuin perinteiset sääntöpohjaiset järjestelmät. Se käyttää koneoppimista ja reaaliaikaisia ​​tietosyötteitä seuratakseen jatkuvasti sähköisen sairauskertomuksen (EHR) tietoja ja jakaakseen sairaalassa olevat potilaat epäterveellisten päihteiden käytön riskin mukaan.

UWHealth on tekoälyn (AI) ohjaamien kliinisten päätösten tukityökalujen (CDS) varhainen käyttöönotto ja aikoo ottaa käyttöön SMART-AI:n epäterveellisen opioidien käytön seulomiseen. Sulautettu EHR-työnkulku mahdollistaa myös automaattisen tietojen muuntamisen terveysjärjestelmämme tietovarastoon, jotta voidaan analysoida toimenpiteitä, jotka tukevat Plan Do Study Act (PDSA) -toimintaa, joka on olennainen osa Learning Health System (LHS) -järjestelmää.

UWHealthin Enterprise Analytics ja Applied Data Science ovat auttaneet terveydenhuoltojärjestelmää kasvattamaan IT-infrastruktuuriaan tukemaan tietopohjaista LHS:ää, joka pystyy tekemään tekoälyllä täydennettyä päätöksentekoa sängyn äärellä, ja SMART-AI on yksi ensimmäisistä seulonnan käyttötapauksista luonnollisen kielen käsittely.

Tavoite 1: Tutki SMART-AI:n hoidon vaikutusta potilaiden terveyteen käyttämällä pragmaattista kliinistä käyttöönottosuunnitelmaa.

Tutkimuksen suunnittelu: SMART-AI-työkalun käyttöönottopäivä merkitsee käyttöönottojakson alkua. Työkalua arvioidaan PDSA-syklissä useiden kuukausien aikana, jotta voidaan tutkia riippuvuuskonsulttien ensisijaisia ​​tuloksia. SMART-AI-tutkimuksen interventiootos koostui kaikista sairaalassa olevista potilaista, joiden opioidien väärinkäyttö oli positiivinen NLP CDS -työkalulla. Ensisijainen tehokkuuden mitta oli niiden sairaalahoitoon johtaneiden potilaiden prosenttiosuus NLP CDS -interventionäytteestä, joille seulottiin positiivinen opioidien väärinkäyttö ja jotka saivat hoidon riippuvuusneuvontapalvelusta. Kontrollinäyte johdettiin soveltamalla takautuvasti NLP CDS -työkalua kaikkiin sairaalapotilaiden EHR-tietueisiin kahdelta vuodelta ennen tämän tutkimuksen aloittamista maaliskuussa 2023. Sairaalapotilaat, jotka seuloivat positiivisia jälkikäteen NLP CDS -työkalulla, muodostavat tavallisen hoidon kontrolliryhmän.