Traitement du langage naturel pour le dépistage de l'abus d'opioïdes

Le récit clinique dans le dossier de santé électronique (DSE) contient des informations précieuses pour l'analyse prédictive, mais sa forme en texte libre est difficile à extraire et à analyser pour l'aide à la décision clinique (CDS). Les pipelines de traitement clinique du langage naturel (PNL) à grande échelle se sont concentrés sur les applications d'entrepôt de données pour les efforts de recherche rétrospective. Il reste peu de preuves de la mise en œuvre de pipelines de NLP open source pour fournir des CDS interopérables et standardisés au chevet des opérations de santé.

L'analyse d'entreprise et la science des données appliquées à UWHealth ont aidé le système de santé à développer son infrastructure informatique pour prendre en charge un système de santé d'apprentissage (LHS) basé sur les données, capable d'une prise de décision augmentée par l'intelligence artificielle (IA) au chevet du patient.

Il s'agit d'une étude clinique visant à mettre en œuvre et à évaluer une intervention opérationnelle à l'échelle de l'hôpital pour un outil CDS en temps réel basé sur la PNL, appelé Algorithme de toxicomanie pour l'orientation vers un traitement utilisant l'intelligence artificielle (SMART-AI). L'outil SMART-AI CDS sera évalué via la mise en œuvre dans le dossier de santé électronique UW Health. L'outil CDS est destiné au dépistage des patients adultes hospitalisés pour l'abus d'opioïdes dans le cadre d'une alerte aux meilleures pratiques pour les infirmières et les fournisseurs de services de consultation en toxicomanie. L'outil fait partie d'une initiative d'amélioration de la qualité avec les approbations des comités hospitaliers, y compris le comité de l'IA clinique et de l'analyse prédictive. Le critère de jugement principal était le pourcentage de patients hospitalisés dont le dépistage était positif (ou qui auraient été séropositifs) sur la base de l'outil NLP CDS qui ont reçu une consultation sur la toxicomanie avec l'une des interventions suivantes : (1) réception d'une intervention sur l'utilisation d'opioïdes ou d'un entretien motivationnel (EM) ; (2) la réception d'un traitement médicamenteux (MAT); et/ou (3) l'aiguillage vers un traitement des troubles liés à l'utilisation de substances. Le résultat principal sera rapporté sous forme de pourcentage dans les périodes pré- et post-intervention et consistait en un dépistage de la consommation de substances et l'engagement de services de traitement pour les patients hospitalisés dépistés pour l'abus d'opioïdes. Les critères de jugement secondaires comprenaient le taux de réadmission non planifiée à l'hôpital dans les 30 jours. Les critères de réadmission non planifiée à l'hôpital ont été adoptés par les Centers for Medicare & Medicaid Services.

L'abus de substances est un problème courant chez les patients hospitalisés associé à de mauvais résultats de santé, mais il n'est pas prioritaire et souvent non traité lors des soins de routine. Les approches actuelles de dépistage à l'UW ne sont pas appliquées et d'autres systèmes de santé utilisent des entretiens de diagnostic structurés qui nécessitent du personnel et des efforts supplémentaires pendant les soins cliniques. Des détails importants sur la consommation de substances sont saisis dans les notes cliniques du dossier de santé électronique, mais les données sont difficiles à extraire et à analyser. Le traitement du langage naturel et l'apprentissage automatique peuvent être formés pour identifier les résultats pertinents dans les notes afin de dépister automatiquement les patients toxicomanes.

Les enquêteurs ont formé un réseau neuronal convolutif pour dépister et identifier l'abus d'alcool, l'abus d'opioïdes et l'abus de drogues non opioïdes avec une grande précision à l'aide des codes de diagnostic ICD et des notes d'admission recueillies pendant les soins cliniques. L'algorithme dérivé est appelé Substance Misuse Algorithm for Referral to Treatment Using Artificial Intelligence (SMART-AI). L'outil de dépistage utilise des méthodes de traitement du langage naturel pour dépister les patients hospitalisés afin de prioriser les soins axés sur leur toxicomanie. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3922677

SMART AI est plus précis que les systèmes traditionnels basés sur des règles. Il utilise l'apprentissage automatique et des flux de données en temps réel pour surveiller en permanence les données du dossier de santé électronique (DSE) et stratifier les patients hospitalisés en fonction du risque de consommation de substances malsaines.

UWHealth est l'un des premiers à adopter des outils d'aide à la décision clinique (CDS) basés sur l'intelligence artificielle (IA) et prévoit de mettre en œuvre SMART-AI pour dépister l'utilisation malsaine d'opioïdes. Le flux de travail EHR intégré permet également une transformation automatisée des données dans l'entrepôt de données de notre système de santé pour analyser les mesures à l'appui d'une opération Plan Do Study Act (PDSA), un composant intégral d'un Learning Health System (LHS).

L'analyse d'entreprise et la science des données appliquées à UWHealth ont aidé le système de santé à développer son infrastructure informatique pour prendre en charge un LHS basé sur les données capable d'une prise de décision augmentée par l'IA au chevet du patient et SMART-AI est l'un des premiers cas d'utilisation pour le dépistage à l'aide traitement du langage naturel.

Objectif 1 : Examiner l'effet du traitement de SMART-AI sur les résultats de santé des patients à l'aide d'une conception de déploiement clinique pragmatique.

Conception de l'étude : Le jour de la mise en service de l'outil SMART-AI marquera le début de la période de mise en œuvre. L'outil sera évalué dans un cycle PDSA sur plusieurs mois de déploiement pour examiner le résultat principal des consultations en toxicomanie. L'échantillon d'intervention de l'étude SMART-AI était composé de tous les patients hospitalisés dont le dépistage de l'abus d'opioïdes était positif à l'aide de l'outil NLP CDS. La principale mesure d'efficacité était le pourcentage de patients hospitalisés dans l'échantillon d'intervention du NLP CDS qui ont été dépistés positifs pour l'abus d'opioïdes et qui ont reçu une intervention du service de consultation en toxicomanie pour patients hospitalisés. Un échantillon de contrôle a été dérivé en appliquant rétrospectivement l'outil NLP CDS à tous les dossiers de DSE des patients hospitalisés pour les deux années précédant le début de l'étude en mars 2023. Les patients hospitalisés qui ont été dépistés positifs rétrospectivement dans le cadre de l'outil NLP CDS formeront le groupe témoin de soins habituels.