Elaborazione del linguaggio naturale per lo screening dell'abuso di oppioidi

La narrazione clinica nella cartella clinica elettronica (EHR) contiene informazioni preziose per l'analisi predittiva, ma la sua forma di testo libero è difficile da estrarre e analizzare per il supporto alle decisioni cliniche (CDS). Le pipeline di elaborazione clinica del linguaggio naturale (NLP) su larga scala si sono concentrate sulle applicazioni di data warehouse per gli sforzi di ricerca retrospettiva. Rimane una scarsità di prove per l'implementazione di pipeline NLP open source per fornire CDS interoperabili e standardizzati al capezzale per le operazioni sanitarie.

Enterprise Analytics e Applied Data Science presso UWHealth hanno aiutato il sistema sanitario a far crescere la propria infrastruttura IT per supportare un Learning Health System (LHS) basato sui dati in grado di prendere decisioni potenziate dall'Intelligenza Artificiale (AI) al capezzale.

Questo è uno studio clinico per implementare e valutare un intervento operativo a livello ospedaliero per uno strumento CDS basato sulla PNL in tempo reale, chiamato Substance Misuse Algorithm for Referral to Treatment Using Artificial Intelligence (SMART-AI). Lo strumento SMART-AI CDS sarà valutato attraverso l'implementazione nella cartella clinica elettronica UW Health. Lo strumento CDS è pensato per lo screening degli adulti ricoverati per l'abuso di oppioidi come parte di un avviso di best practice per infermieri e fornitori per le esigenze di servizi di consulenza sulla dipendenza. Lo strumento fa parte di un'iniziativa di miglioramento della qualità con l'approvazione dei comitati ospedalieri, tra cui il Clinical AI e il Predictive Analytics Committee. L'outcome primario era la percentuale di pazienti ricoverati risultati positivi allo screening (o che sarebbero risultati positivi allo screening) in base allo strumento CDS della PNL che hanno ricevuto una consulenza sulla dipendenza con uno dei seguenti interventi: (1) ricevimento di intervento sull'uso di oppioidi o colloquio motivazionale (MI) ; (2) ricevuta di trattamento farmacologico (MAT); e/o (3) rinvio al trattamento del disturbo da uso di sostanze. L'esito primario sarà riportato come percentuale nei periodi pre e post intervento e consisteva nello screening dell'uso di sostanze e nell'impegno nel servizio di trattamento per i pazienti ospedalizzati sottoposti a screening per abuso di oppioidi. Gli esiti secondari includevano il tasso di riammissione ospedaliera non pianificata a 30 giorni. I criteri per le riammissioni ospedaliere non pianificate sono stati adottati dai Centers for Medicare & Medicaid Services.

L'abuso di sostanze è un problema comune nei pazienti ospedalizzati associato a scarsi risultati di salute, ma non è prioritario e spesso non viene affrontato durante le cure di routine. Gli attuali approcci per lo screening all'UW non vengono eseguiti e altri sistemi sanitari utilizzano interviste diagnostiche strutturate che richiedono personale e impegno aggiuntivi durante l'assistenza clinica. Dettagli importanti sull'uso di sostanze sono raccolti nelle note cliniche del fascicolo sanitario elettronico, ma i dati sono difficili da estrarre e analizzare. L'elaborazione del linguaggio naturale e l'apprendimento automatico possono essere addestrati per identificare i risultati rilevanti nelle note per schermare automaticamente i pazienti con abuso di sostanze.

Gli investigatori hanno addestrato una rete neurale convoluzionale per schermare e identificare l'abuso di alcol, l'abuso di oppioidi e l'abuso di droghe non oppioidi con elevata precisione utilizzando i codici diagnostici dell'ICD e le note di ammissione raccolte durante l'assistenza clinica. L'algoritmo derivato si chiama Substance Misuse Algorithm for Referral to Treatment Using Artificial Intelligence (SMART-AI). Lo strumento di screening utilizza metodi nell'elaborazione del linguaggio naturale per selezionare i pazienti ospedalizzati per dare priorità alle cure incentrate sul loro abuso di sostanze. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3922677

SMART AI è più preciso dei tradizionali sistemi basati su regole. Utilizza l'apprendimento automatico e i feed di dati in tempo reale per monitorare continuamente i dati delle cartelle cliniche elettroniche (EHR) e stratificare i pazienti ospedalizzati in base al rischio di uso di sostanze malsane.

UWHealth è uno dei primi ad adottare strumenti di supporto alle decisioni cliniche (CDS) guidati dall'Intelligenza Artificiale (AI) e prevede di implementare SMART-AI per lo screening dell'uso non salutare di oppioidi. Il flusso di lavoro EHR integrato consente inoltre una trasformazione automatizzata dei dati nel data warehouse del nostro sistema sanitario per l'analisi delle misure a supporto di un'operazione Plan Do Study Act (PDSA), una componente integrante di un Learning Health System (LHS).

Enterprise Analytics e Applied Data Science presso UWHealth hanno aiutato il sistema sanitario a far crescere la propria infrastruttura IT per supportare un LHS basato sui dati in grado di prendere decisioni potenziate dall'IA al capezzale e SMART-AI è uno dei primi casi d'uso per lo screening utilizzando elaborazione del linguaggio naturale.

Obiettivo 1: esaminare l'effetto del trattamento di SMART-AI sugli esiti di salute dei pazienti utilizzando un progetto di implementazione clinica pragmatico.

Disegno dello studio: il giorno dell'attivazione dello strumento SMART-AI segnerà l'inizio del periodo di implementazione. Lo strumento sarà valutato in un ciclo PDSA per diversi mesi di implementazione per esaminare l'esito primario delle consultazioni sulla dipendenza. Il campione di intervento dello studio SMART-AI era costituito da tutti i pazienti ospedalizzati risultati positivi allo screening per abuso di oppioidi dallo strumento NLP CDS. La misura primaria dell'efficacia era la percentuale di pazienti ospedalizzati nel campione di intervento CDS della PNL che erano risultati positivi allo screening per l'abuso di oppioidi e che avevano ricevuto un intervento dal servizio di consulenza per la dipendenza da pazienti ricoverati. Un campione di controllo è stato derivato applicando retrospettivamente lo strumento NLP CDS a tutti i record EHR dei pazienti ricoverati per i due anni prima dell'inizio del presente studio nel marzo 2023. I pazienti ospedalizzati che sono stati sottoposti a screening retrospettivo positivo con lo strumento NLP CDS formeranno il consueto gruppo di controllo delle cure.