Naturlig språkbehandling for screening av misbruk av opioid

Den kliniske fortellingen i den elektroniske helsejournalen (EPJ) inneholder verdifull informasjon for prediktiv analyse, men dens fritekstform er vanskelig å utvinne og analysere for klinisk beslutningsstøtte (CDS). Storskala pipelines for klinisk naturlig språkbehandling (NLP) har fokusert på datavarehusapplikasjoner for retrospektiv forskningsinnsats. Det er fortsatt mangel på bevis for å implementere åpen kildekode NLP-rørledninger for å gi interoperable og standardiserte CDS ved sengekanten for helseoperasjoner.

Enterprise Analytics og Applied Data Science ved UWHealth har hjulpet helsesystemet med å utvide IT-infrastrukturen for å støtte et datadrevet Learning Health System (LHS) som er i stand til å ta beslutninger med kunstig intelligens (AI) ved sengekanten.

Dette er en klinisk studie for å implementere og evaluere en sykehusomfattende, operasjonell intervensjon for et sanntids NLP-drevet CDS-verktøy, kalt Substance Misuse Algorithm for Referral to Treatment Using Artificial Intelligence (SMART-AI). SMART-AI CDS-verktøyet vil bli evaluert via implementering i UW Health elektroniske helsejournal. CDS-verktøyet er ment for screening av innlagte voksne for misbruk av opioid som en del av et varsel om beste praksis til sykepleiere og leverandører for avhengighetskonsulenttjenester. Verktøyet er en del av et kvalitetsforbedringsinitiativ med godkjenninger fra sykehuskomiteer, inkludert Clinical AI and Predictive Analytics Committee. Det primære utfallet var prosentandelen av inneliggende pasienter som screenet positivt (eller ville ha screenet positivt) basert på NLP CDS-verktøyet som mottok en avhengighet konsulterte med noen av følgende intervensjoner: (1) mottak av opioidbruksintervensjon eller motiverende intervju (MI) ; (2) mottak av medikamentassistert behandling (MAT); og/eller (3) henvisning til rusbehandling. Det primære resultatet vil bli rapportert som en prosentandel i perioden før og etter intervensjon og bestod av rusmiddelscreening og behandlingstjenesteengasjement for innlagte pasienter screenet for misbruk av opioid. Sekundære utfall inkluderte 30-dagers uplanlagte sykehusreinnleggelsesfrekvens. Kriterier for ikke-planlagte sykehusreinnleggelser ble vedtatt fra Centers for Medicare & Medicaid Services.

Rusmisbruk er et vanlig problem hos innlagte pasienter forbundet med dårlige helseutfall, men det er ikke prioritert og ofte uadressert under rutinemessig behandling. Nåværende tilnærminger for screening ved UW gjøres ikke, og andre helsesystemer bruker strukturerte diagnostiske intervjuer som krever ekstra bemanning og innsats under klinisk behandling. Viktige detaljer om stoffbruk er fanget opp i de kliniske notatene i den elektroniske helsejournalen, men dataene er vanskelige å utvinne og analysere. Naturlig språkbehandling og maskinlæring kan trenes til å identifisere relevante funn i notatene for å automatisk screene pasienter med rusmisbruk.

Etterforskerne trente et konvolusjonelt nevralt nettverk for å screene og identifisere alkoholmisbruk, opioidmisbruk og ikke-opioidmisbruk med høy nøyaktighet ved å bruke ICD-diagnosekoder og innleggelsesnotater samlet inn under klinisk behandling. Den avledede algoritmen kalles Substance Misuse Algorithm for Referral to Treatment Using Artificial Intelligence (SMART-AI). Screeningverktøyet bruker metoder i naturlig språkbehandling for å screene innlagte pasienter for å prioritere omsorg fokusert på deres rusmisbruk. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3922677

SMART AI er mer nøyaktig enn tradisjonelle regelbaserte systemer. Den bruker maskinlæring og sanntidsdatastrømmer for kontinuerlig å overvåke dataene om elektronisk helsejournal (EPJ) og stratifisere sykehusinnlagte pasienter med risiko for usunn stoffbruk.

UWHealth er en tidlig bruker av kunstig intelligens (AI)-drevet klinisk beslutningsstøtte (CDS)-verktøy og planlegger å implementere SMART-AI for screening av usunn opioidbruk. Den innebygde EPJ-arbeidsflyten tillater også en automatisert datatransformasjon til helsesystemets datavarehus for å analysere tiltak for å støtte en Plan Do Study Act (PDSA)-operasjon, en integrert komponent i et Learning Health System (LHS).

Enterprise Analytics og Applied Data Science ved UWHealth har hjulpet helsesystemet med å utvide IT-infrastrukturen for å støtte en datadrevet LHS som er i stand til AI-utvidet beslutningstaking ved sengen, og SMART-AI er en av de første brukssakene for screening ved hjelp av naturlig språkbehandling.

Mål 1: Undersøk behandlingseffekten av SMART-AI på pasienthelseresultater ved å bruke et pragmatisk klinisk utrullingsdesign.

Studiedesign: Dagen for å slå på SMART-AI-verktøyet vil markere starten på implementeringsperioden. Verktøyet vil bli evaluert i en PDSA-syklus over flere måneders utrulling for å undersøke det primære resultatet av avhengighetskonsultasjoner. Intervensjonsutvalget for SMART-AI-studien besto av alle sykehuspasienter som screenet positive for misbruk av opioid fra NLP CDS-verktøyet. Det primære effektivitetsmålet var prosentandelen av innlagte pasienter i NLP CDS-intervensjonsutvalget som ble screenet positive for misbruk av opioid og som mottok en intervensjon fra konsultasjonstjenesten for avhengighet. En kontrollprøve ble utledet ved retrospektivt bruk av NLP CDS-verktøyet på alle EPJ-journaler på stasjonære pasienter i de to årene før den nåværende studiestart i mars 2023. Innlagte pasienter som screenet positivt retrospektivt under NLP CDS-verktøyet vil utgjøre den vanlige omsorgskontrollgruppen.