Oppbygging av dataassistert historietaking, fysisk undersøkelse og diagnosesystem for akuttpasienter gjennom maskinlæring (II) (MLD)

I akuttmottaket (ED) må leger fullføre pasientevaluering og -behandling på kort tid, noe som krevde ulik historieopptak og fysisk undersøkelsesferdighet i helsevesenet.

Naturlig språkbehandling (NLP) ble lett tilgjengelig etter utviklingen av maskinlæring (ML). Dessuten hadde elektronisk medisinsk journal (EMR) blitt mye brukt i helsevesenet. Det er flere og flere verktøy som prøver å fange opp viss informasjon fra EMR hjelpe kliniske arbeidere håndtere økende pasientdata og forbedre pasientbehandling.

Men å feile er menneskelig. Leger kan utelate noen viktige tegn eller symptomer, eller glemme å skrive det ned i journalen, spesielt på en travel legevakt. Det vil føre til et ugunstig utfall når det var medisinske juridiske problemer eller nasjonal helseforsikring gjennomgang. Tilstanden kan begrenses av et EMR-støttesystem. Kvaliteten på omsorgen vil også bli bedre.

Etterforskerne planlegger å analysere EMR fra akuttmottaket ved hjelp av NLP og maskinlæring. For å etablere sammenhengen mellom triagedata, hovedklage, tidligere historie, nåværende sykdom og fysisk undersøkelse. Etterforskerne vil prøve å forutsi den tentative diagnosen og pasientens disposisjon etter at forholdet er funnet. Deretter kunne etterforskerne prøve å forutsi nøkkelelementet i historieopptak og fysisk undersøkelse av pasienten og informere legen når glippen skjedde. Etterforskerne håper systemet kan forbedre kvaliteten på medisinsk registrering og pasientbehandling.