Управляемая данными идентификация злоупотребления психоактивными веществами

В 2016 году почти 30% выписанных из больниц в Соединенных Штатах (США) имели основную диагностическую категорию состояния, связанного с употреблением психоактивных веществ. Злоупотребление психоактивными веществами занимает второе место среди основных диагнозов по частоте незапланированных повторных госпитализаций в течение 7 дней. Несмотря на доступность скрининга, краткосрочного вмешательства и направления на лечение (SBIRT), злоупотребление психоактивными веществами не является частью процедуры госпитализации, и только меньшинство пациентов проходят скрининг на злоупотребление психоактивными веществами в условиях больницы. Это особенно проблематично, поскольку среди госпитализированных стационарных пациентов распространенность злоупотребления психоактивными веществами оценивается на уровне 25%, что выше, чем в общей популяции или в амбулаторных условиях. Необходимы практические методы скрининга, адаптированные для больничных условий.

С появлением осмысленного использования в электронных медицинских картах (EHR) эффективность обнаружения алкоголя может быть повышена за счет использования данных, собранных во время обычного лечения. Документация об употреблении психоактивных веществ распространена и встречается в более чем 96% записей о поступлении в медицинские учреждения, но их свободный текстовый формат затрудняет их поиск и анализ. Обработка естественного языка (NLP) и машинное обучение — это подобласти искусственного интеллекта (ИИ), которые предоставляют решение для анализа текстовых данных в электронных медицинских карточках для выявления случаев злоупотребления психоактивными веществами. Современное НЛП слилось с машинным обучением, еще одной областью искусственного интеллекта, ориентированной на обучение на основе данных. В частности, самые мощные методы НЛП основаны на обучении с учителем, типе машинного обучения, который использует преимущества текущих эталонных стандартов для прогнозирования невидимых случаев.

В более ранней версии НЛП и инструмента машинного обучения исследователи успешно использовали данные из клинических записей, собранных в первые 24 часа после поступления в больницу, чтобы достичь чувствительности и специфичности выше 70% для выявления злоупотребления алкоголем. С почти 36 миллионами госпитализаций в 2016 году классификатор злоупотребления психоактивными веществами может повлиять на миллионы.

В этом исследовании цель состоит в том, чтобы в перспективе внедрить классификатор злоупотребления психоактивными веществами, чтобы изучить его эффективность по сравнению с текущей практикой всех госпитализированных взрослых пациентов в третичной системе здравоохранения. Система здравоохранения имеет зрелую систему скрининга для проверки эффективности классификатора злоупотребления психоактивными веществами в сравнении с существующей практикой скрининга с помощью вопросников.

Гипотеза состоит в том, что классификатор злоупотребления психоактивными веществами может обеспечить стандартизированный, интероперабельный и точный подход к скринингу госпитализированных пациентов. Успешное внедрение классификатора у госпитализированных пациентов является шагом на пути к автоматизированной и комплексной универсальной системе скрининга на злоупотребление психоактивными веществами.