Przetwarzanie języka naturalnego do badań przesiewowych nadużywania opioidów

Narracja kliniczna w elektronicznej dokumentacji medycznej (EHR) zawiera cenne informacje do analizy predykcyjnej, ale jej forma wolnego tekstu jest trudna do wyszukiwania i analizowania w celu wspomagania decyzji klinicznych (CDS). Rurociągi klinicznego przetwarzania języka naturalnego (NLP) na dużą skalę koncentrowały się na aplikacjach hurtowni danych do retrospektywnych wysiłków badawczych. Nadal istnieje niedostatek dowodów na wdrażanie potoków NLP typu open source w celu zapewnienia interoperacyjnych i znormalizowanych CDS przy łóżku pacjenta w operacjach zdrowotnych.

Enterprise Analytics i Applied Data Science w UWHealth pomogły systemowi opieki zdrowotnej w rozbudowie infrastruktury IT w celu obsługi opartego na danych Learning Health System (LHS) zdolnego do wspomaganego sztuczną inteligencją (AI) podejmowania decyzji przy łóżku chorego.

Jest to badanie kliniczne mające na celu wdrożenie i ocenę ogólnoszpitalnej interwencji operacyjnej dla narzędzia CDS opartego na NLP w czasie rzeczywistym, zwanego algorytmem nadużywania substancji w celu skierowania na leczenie z wykorzystaniem sztucznej inteligencji (SMART-AI). Narzędzie SMART-AI CDS zostanie ocenione poprzez wdrożenie w elektronicznej dokumentacji medycznej UW Health. Narzędzie CDS jest przeznaczone do badań przesiewowych dorosłych pacjentów hospitalizowanych pod kątem nadużywania opioidów w ramach ostrzeżenia o najlepszych praktykach dla pielęgniarek i usługodawców w zakresie potrzeb związanych z konsultacjami dotyczącymi uzależnień. Narzędzie jest częścią inicjatywy poprawy jakości, posiadającej aprobaty komitetów szpitalnych, w tym Klinicznej AI i Predictive Analytics Committee. Pierwszorzędowym wynikiem był odsetek pacjentów hospitalizowanych, którzy uzyskali pozytywny wynik przesiewowy (lub uzyskaliby pozytywny wynik przesiewowy) w oparciu o narzędzie NLP CDS, którzy otrzymali konsultację uzależnień z którąkolwiek z następujących interwencji: (1) otrzymanie interwencji związanej z używaniem opioidów lub rozmowy motywacyjnej (MI) ; (2) otrzymanie leczenia wspomaganego lekami (MAT); i/lub (3) skierowanie na leczenie zaburzeń związanych z używaniem substancji. Główny wynik zostanie przedstawiony jako odsetek w okresie przed i po interwencji i będzie obejmował badania przesiewowe pod kątem używania substancji oraz zaangażowanie w usługi leczenia dla hospitalizowanych pacjentów, którzy zostali poddani badaniu przesiewowemu pod kątem nadużywania opioidów. Drugorzędne wyniki obejmowały wskaźnik nieplanowanych ponownych hospitalizacji w ciągu 30 dni. Kryteria dotyczące nieplanowanych ponownych hospitalizacji zostały przyjęte przez Centers for Medicare & Medicaid Services.

Nadużywanie substancji psychoaktywnych jest powszechnym problemem u hospitalizowanych pacjentów i wiąże się ze złymi wynikami zdrowotnymi, ale nie jest traktowane priorytetowo i często nie jest rozwiązywane podczas rutynowej opieki. Obecne podejścia do badań przesiewowych na UW nie są stosowane, a inne systemy opieki zdrowotnej stosują ustrukturyzowane wywiady diagnostyczne, które wymagają dodatkowego personelu i wysiłku podczas opieki klinicznej. Ważne szczegóły dotyczące używania substancji są rejestrowane w notatkach klinicznych elektronicznej dokumentacji medycznej, ale dane są trudne do wydobycia i przeanalizowania. Przetwarzanie języka naturalnego i uczenie maszynowe można wyszkolić, aby identyfikować istotne ustalenia w notatkach, aby automatycznie sprawdzać pacjentów pod kątem nadużywania substancji.

Badacze przeszkolili splotową sieć neuronową w celu przeszukiwania i identyfikowania nadużywania alkoholu, nadużywania opioidów i narkotyków nieopioidowych z dużą dokładnością przy użyciu kodów diagnostycznych ICD i kart przyjęcia zebranych podczas opieki klinicznej. Pochodny algorytm nosi nazwę Algorytm nadużywania substancji w celu skierowania na leczenie z wykorzystaniem sztucznej inteligencji (SMART-AI). Narzędzie przesiewowe wykorzystuje metody przetwarzania języka naturalnego do przesiewania hospitalizowanych pacjentów w celu nadania priorytetu opiece skoncentrowanej na nadużywaniu przez nich substancji. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3922677

SMART AI jest dokładniejszy niż tradycyjne systemy oparte na regułach. Wykorzystuje uczenie maszynowe i źródła danych w czasie rzeczywistym do ciągłego monitorowania danych z elektronicznej dokumentacji medycznej (EHR) i warstwowania hospitalizowanych pacjentów pod kątem ryzyka używania niezdrowych substancji.

UWHealth jest jednym z pierwszych użytkowników narzędzi wspomagania decyzji klinicznych (CDS) opartych na sztucznej inteligencji (AI) i planuje wdrożyć SMART-AI do badań przesiewowych niezdrowego używania opioidów. Wbudowany przepływ pracy EHR umożliwia również zautomatyzowaną transformację danych do hurtowni danych naszego systemu opieki zdrowotnej w celu analizy środków wspierających operację Plan Do Study Act (PDSA), integralną część systemu Learning Health System (LHS).

Enterprise Analytics i Applied Data Science w UWHealth pomogły systemowi opieki zdrowotnej w rozbudowie infrastruktury IT w celu obsługi opartego na danych LHS, zdolnego do wspomaganego przez AI podejmowania decyzji przy łóżku pacjenta, a SMART-AI jest jednym z pierwszych przypadków użycia do badań przesiewowych przy użyciu przetwarzanie języka naturalnego.

Cel 1: Zbadanie wpływu leczenia SMART-AI na wyniki zdrowotne pacjentów przy użyciu pragmatycznego projektu wdrożenia klinicznego.

Projekt badania: dzień włączenia narzędzia SMART-AI będzie oznaczał początek okresu wdrażania. Narzędzie zostanie ocenione w cyklu PDSA przez kilka miesięcy od wdrożenia, aby zbadać główny wynik konsultacji dotyczących uzależnień. Próba interwencyjna badania SMART-AI składała się ze wszystkich hospitalizowanych pacjentów, którzy uzyskali pozytywny wynik badania przesiewowego pod kątem nadużywania opioidów za pomocą narzędzia NLP CDS. Podstawową miarą skuteczności był odsetek hospitalizowanych pacjentów w próbie interwencji NLP CDS, którzy zostali pozytywnie przebadani pod kątem nadużywania opioidów i którzy otrzymali interwencję w poradni leczenia uzależnień w szpitalu. Próbkę kontrolną uzyskano przez retrospektywne zastosowanie narzędzia NLP CDS do wszystkich zapisów EHR pacjentów hospitalizowanych przez dwa lata przed rozpoczęciem obecnego badania w marcu 2023 r. Pacjenci hospitalizowani, którzy uzyskali pozytywny wynik badania przesiewowego w ramach narzędzia NLP CDS, utworzą grupę kontrolną o zwykłej opiece.