Naturlig språkbehandling för screening av opioidmissbruk

Den kliniska berättelsen i den elektroniska journalen (EPJ) innehåller värdefull information för prediktiv analys, men dess fritextform är svår att bryta och analysera för kliniskt beslutsstöd (CDS). Storskaliga pipelines för klinisk naturlig språkbehandling (NLP) har fokuserat på datalagerapplikationer för retrospektiva forskningsinsatser. Det finns fortfarande en brist på bevis för att implementera NLP-pipelines med öppen källkod för att tillhandahålla interoperabla och standardiserade CDS vid sängkanten för hälsooperationer.

Enterprise Analytics och Applied Data Science på UWHealth har hjälpt hälsosystemet att växa sin IT-infrastruktur för att stödja ett datadrivet Learning Health System (LHS) som kan fatta beslut med artificiell intelligens (AI) vid sängkanten.

Detta är en klinisk studie för att implementera och utvärdera en sjukhusomfattande, operativ intervention för ett realtids-NLP-drivet CDS-verktyg, kallat Substance Misuse Algorithm for Referral to Treatment Using Artificial Intelligence (SMART-AI). SMART-AI CDS-verktyget kommer att utvärderas via implementering i UW Healths elektroniska patientjournal. CDS-verktyget är avsett för screening av slutenvårdspatienter för opioidmissbruk som en del av en varning om bästa praxis till sjuksköterskor och leverantörer för konsulttjänster för beroende. Verktyget är en del av ett kvalitetsförbättringsinitiativ med godkännanden från sjukhuskommittéer, inklusive Clinical AI och Predictive Analytics Committee. Det primära resultatet var andelen slutenvårdspatienter som screenade positivt (eller skulle ha screenats positivt) baserat på NLP CDS-verktyget som fick ett beroende konsultera med någon av följande interventioner: (1) mottagande av intervention för opioidanvändning eller motiverande intervjuer (MI) ; (2) mottagande av läkemedelsassisterad behandling (MAT); och/eller (3) remiss till behandling av missbruksstörningar. Det primära resultatet kommer att rapporteras som en procentandel under perioden före och efter interventionen och bestod av screening av drogmissbruk och engagemang i behandlingstjänsten för inlagda patienter som screenats för missbruk av opioid. Sekundära resultat inkluderade 30-dagars oplanerad återinläggning på sjukhus. Kriterier för oplanerade sjukhusåterinläggningar antogs från Centers for Medicare & Medicaid Services.

Missbruk av droger är ett vanligt problem hos inlagda patienter i samband med dåliga hälsoresultat, men det prioriteras inte och åtgärdas ofta under rutinvård. Nuvarande tillvägagångssätt för screening vid UW görs inte och andra hälsosystem använder strukturerade diagnostiska intervjuer som kräver ytterligare bemanning och ansträngning under klinisk vård. Viktiga detaljer om substansanvändning finns i de kliniska anteckningarna i den elektroniska journalen men uppgifterna är svåra att bryta och analysera. Naturlig språkbehandling och maskininlärning kan tränas för att identifiera relevanta fynd i anteckningarna för att automatiskt screena patienter med missbruk.

Utredarna utbildade ett konvolutionellt neuralt nätverk för att screena och identifiera alkoholmissbruk, opioidmissbruk och icke-opioidmissbruk med hög noggrannhet med hjälp av ICD-diagnoskoder och antagningsanteckningar som samlats in under klinisk vård. Den härledda algoritmen kallas Substance Misuse Algorithm for Referral to Treatment Using Artificial Intelligence (SMART-AI). Screeningsverktyget använder metoder inom naturlig språkbehandling för att screena inlagda patienter för att prioritera vård inriktad på deras missbruk. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3922677

SMART AI är mer exakt än traditionella regelbaserade system. Den använder maskininlärning och dataflöden i realtid för att kontinuerligt övervaka data om elektroniska journaler (EHR) och stratifiera inlagda patienter med risk för ohälsosam substansanvändning.

UWHealth är en tidig användare av artificiell intelligens (AI)-drivna verktyg för klinisk beslutsstöd (CDS) och planerar att implementera SMART-AI för screening av ohälsosam opioidanvändning. Det inbäddade EHR-arbetsflödet möjliggör också en automatiserad datatransformation till vårt hälsosystems datalager för att analysera åtgärder för att stödja en Plan Do Study Act-operation (PDSA), en integrerad komponent i ett Learning Health System (LHS).

Enterprise Analytics och Applied Data Science på UWHealth har hjälpt hälsosystemet att växa sin IT-infrastruktur för att stödja en datadriven LHS som kan AI-förstärkt beslutsfattande vid sängkanten och SMART-AI är ett av de första användningsfallen för screening med naturlig språkbehandling.

Syfte 1: Undersök behandlingseffekten av SMART-AI på patienthälsoresultat med hjälp av en pragmatisk klinisk utbyggnadsdesign.

Studiedesign: Dagen då SMART-AI-verktyget slås på kommer att markera starten på implementeringsperioden. Verktyget kommer att utvärderas i en PDSA-cykel under flera månaders lansering för att undersöka det primära resultatet av missbrukskonsultationer. Interventionsprovet i SMART-AI-studien bestod av alla inlagda patienter som screenades positivt för opioidmissbruk från NLP CDS-verktyget. Det primära effektivitetsmåttet var procentandelen av sjukhuspatienter i NLP CDS-interventionsprovet som screenades positiva för missbruk av opioid och som fick en intervention av den slutna missbrukskonsulttjänsten. Ett kontrollprov togs fram genom att retrospektivt tillämpa NLP CDS-verktyget på alla slutenvårdsjournaler under de två åren innan den nuvarande studiestarten i mars 2023. Inlagda patienter som screenades positivt retrospektivt under NLP CDS-verktyget kommer att utgöra den vanliga vårdkontrollgruppen.