Natuurlijke taalverwerking voor hoofdpijngeneeskunde

Hoofdpijnaandoeningen behoren wereldwijd tot de meest voorkomende en invaliderende aandoeningen. Uit het Global Burden of Disease-onderzoek uit 2016 bleek dat migraine wereldwijd de op een na belangrijkste oorzaak van invaliditeit is. In de groep van 18- tot 49-jarigen is migraine de belangrijkste oorzaak van invaliditeit. Toch krijgen veel patiënten geen adequate diagnose of juiste hoofdpijnspecifieke behandelingen.

Artsen die hoofdpijngeneeskunde uitvoeren, moeten een nauwkeurige en volledige hoofdpijngeschiedenis hebben om een ​​juiste diagnose en therapeutisch plan op te stellen. De diagnose wordt idealiter gesteld door toepassing van de International Classification of Headache Disorders Third Edition (ICHD-3). Dit proces is essentieel om binnen een redelijke tijd de juiste diagnose te stellen. Het opnemen van een anamnese bij hoofdpijnpatiënten staat echter voor veel uitdagingen. Het is sterk afhankelijk van mondelinge of schriftelijke communicatie tussen hen en patiënten. Het is een moeizame en tijdrovende praktijk, vooral voor onervaren artsen. Misinterpretatie door patiënten of artsen binnen de dialoog kan voorkomen en leiden tot misverstanden, verkeerde diagnose en mishandeling. Vaak vinden patiënten het moeilijk om tijdens een enkel bezoek aan de arts alle kenmerken tot uiting te laten komen, waardoor een schat aan nuttige informatie voor de arts ongebruikt blijft. Ten slotte is het meten van de ziektelast bij hoofdpijnaandoeningen moeilijk en wordt dit meestal gedaan door middel van gevalideerde maar starre vragenlijsten. Het kan de vaak complexe maar natuurlijke impact van hoofdpijnstoornissen op alle dimensies van het menselijk leven verwaarlozen.

Met uitzondering van e-dagboeken zijn digitale hulpmiddelen voor de hoofdpijnarts momenteel niet beschikbaar. Digitale technologie kan veel oplossingen bieden voor de bovengenoemde uitdagingen. Wereldwijd neemt de digitalisering sneller toe dan voorheen. In de ontwikkelde wereld heeft bijna iedereen nu toegang tot digitale hulpmiddelen zoals computers, smartphones of tablets. In 2015 hadden naar schatting meer dan 3,5 miljard mensen over de hele wereld toegang tot internet. Kunstmatige intelligentie (AI) en machine learning (ML) komen snel onze digitale wereld binnen, en er worden al meerdere use-cases geïmplementeerd in de geneeskunde. Algoritmen op het gebied van beeldanalyse, spraakanalyse en elektronische patiëntendatabase-mining zijn al onderzocht om te bepalen welke gunstige effecten uit deze technieken kunnen worden afgeleid.

Met verhoogde rekensnelheid, opslagcapaciteit en evoluerende gebruikersinterfaces, hebben nieuwe digitale klinische toepassingen het potentieel om de patiënt en de arts te helpen bij het omgaan met hoofdpijnaandoeningen. Een van die gebieden binnen de digitale wetenschappen is natuurlijke taalverwerking (NLP). Het gebruikt tekst als invoer om wiskundige modellen te genereren die het potentieel hebben om numerieke accounts nauwkeurig te classificeren en te schatten op basis van grammatica, lexicale inhoud, sentimentele waarde van woorden en woordinbedding in zinnen.

De onderzoekers zijn van mening dat de juiste toepassing van NLP in de hoofdpijngeneeskunde uiteindelijk het leven van veel hoofdpijnpatiënten kan verbeteren door tijdig de juiste diagnose te stellen en de communicatie over de ziektelast tussen patiënt en arts te vergemakkelijken. Dit onderzoeksproject heeft tot doel NLP-tools te ontwikkelen die in staat zijn om door patiënten geproduceerde tekst over hun hoofdpijnproblemen te analyseren om hoofdpijnstoornissen nauwkeurig te diagnosticeren en om de impact van hoofdpijnstoornissen op het leven van patiënten in te schatten.