Opgebouwd computerondersteund anamnese-, lichamelijk onderzoek- en diagnosesysteem van noodpatiënt door middel van machinaal leren (II) (MLD)

Op de afdeling spoedeisende hulp (ED) moeten artsen de evaluatie en het beheer van de patiënt in korte tijd voltooien, wat een andere anamnese en vaardigheid in lichamelijk onderzoek in het gezondheidszorgsysteem vereiste.

Natuurlijke taalverwerking (NLP) werd gemakkelijk toegankelijk na de ontwikkeling van machine learning (ML). Bovendien werd het elektronisch medisch dossier (EMD) op grote schaal toegepast in gezondheidszorgsystemen. Er zijn steeds meer hulpmiddelen die proberen om bepaalde informatie uit het EMR vast te leggen, zodat klinische medewerkers kunnen omgaan met toenemende patiëntgegevens en het verbeteren van de patiëntenzorg.

Vergissen is echter menselijk. Artsen kunnen enkele belangrijke tekens of symptomen weglaten, of vergeten het in het dossier op te schrijven, vooral in een drukke spoedeisende hulp. Het zal tot een ongunstig resultaat leiden wanneer er sprake was van een medisch juridisch probleem of een herziening van de nationale ziektekostenverzekering. De aandoening kan worden beperkt door een EMR-ondersteunend systeem. Ook de kwaliteit van de zorg zal verbeteren.

De onderzoekers zijn van plan het EPD van de spoedeisende hulp te analyseren door middel van NLP en machine learning. Het verband leggen tussen triagegegevens, hoofdklacht, voorgeschiedenis, huidige ziekte en lichamelijk onderzoek. De onderzoekers zullen proberen de voorlopige diagnose en het karakter van de patiënt te voorspellen nadat de relatie is gevonden. Daarna zouden de onderzoekers kunnen proberen het belangrijkste element van anamnese en lichamelijk onderzoek van de patiënt te voorspellen en de arts te informeren wanneer de misser plaatsvond. De onderzoekers hopen dat het systeem de kwaliteit van medische registratie en patiëntenzorg kan verbeteren.