用于筛查阿片类药物滥用的自然语言处理

电子健康记录 (EHR) 中的临床叙述携带了可用于预测分析的宝贵信息，但其自由文本形式难以为临床决策支持 (CDS) 挖掘和分析。 大规模临床自然语言处理 (NLP) 管道专注于数据仓库应用程序以进行回顾性研究。 实施开源 NLP 管道以在床边为健康操作提供可互操作和标准化的 CDS 的证据仍然很少。

UWHealth 的企业分析和应用数据科学帮助卫生系统发展了 IT 基础设施，以支持能够在床边进行人工智能 (AI) 增强决策的数据驱动型学习卫生系统 (LHS)。

这是一项临床研究，旨在实施和评估实时 NLP 驱动的 CDS 工具在医院范围内的操作干预，称为使用人工智能转介治疗的物质滥用算法 (SMART-AI)。 SMART-AI CDS 工具将通过在 UW Health 电子健康记录中的实施进行评估。 CDS 工具用于筛查成年住院患者是否滥用阿片类药物，作为向护士和提供者提供成瘾咨询服务需求的最佳实践警报的一部分。 该工具是质量改进计划的一部分，并获得了医院委员会的批准，包括临床人工智能和预测分析委员会。 主要结果是根据 NLP CDS 工具筛查阳性（或可能筛查阳性）并接受以下任何干预的成瘾咨询的住院患者的百分比：（1）接受阿片类药物使用干预或动机访谈（MI） ; (2) 接受药物辅助治疗（MAT）；和/或 (3) 转诊至物质使用障碍治疗。 主要结果将以干预前后的百分比形式报告，包括物质使用筛查和接受阿片类药物滥用筛查的住院患者的治疗服务参与。 次要结果包括 30 天计划外再入院率。 医疗保险和医疗补助服务中心采用了计划外再入院的标准。

药物滥用是住院患者的一个常见问题，与健康状况不佳相关，但在日常护理中并没有被优先考虑，而且经常没有得到解决。 UW 目前的筛查方法尚未完成，其他卫生系统使用结构化诊断访谈，这需要在临床护理期间配备额外的人员和工作。 有关物质使用的重要细节记录在电子健康记录的临床记录中，但数据难以挖掘和分析。 可以训练自然语言处理和机器学习来识别笔记中的相关发现，从而自动筛查滥用药物的患者。

研究人员训练了一个卷积神经网络，使用临床护理期间收集的 ICD 诊断代码和入院记录，以高精度筛查和识别酒精滥用、阿片类药物滥用和非阿片类药物滥用。 衍生算法称为使用人工智能转介治疗的物质滥用算法 (SMART-AI)。 该筛选工具使用自然语言处理中的方法来筛选住院患者，以优先考虑针对其药物滥用的护理。 https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3922677

SMART AI 比传统的基于规则的系统更准确。 它使用机器学习和实时数据馈送来持续监控电子健康记录 (EHR) 数据，并根据不健康物质使用的风险对住院患者进行分层。

UWHealth 是人工智能 (AI) 驱动的临床决策支持 (CDS) 工具的早期采用者，并计划实施 SMART-AI 来筛查不健康的阿片类药物使用。 嵌入式 EHR 工作流还允许将数据自动转换到我们的卫生系统的数据仓库中，以分析支持计划研究法案 (PDSA) 操作的措施，这是学习卫生系统 (LHS) 的一个组成部分。

UWHealth 的企业分析和应用数据科学帮助卫生系统发展其 IT 基础设施，以支持数据驱动的 LHS，该系统能够在床边进行 AI 增强决策，而 SMART-AI 是使用 AI 进行筛查的首批用例之一自然语言处理。

目标 1：使用实用的临床推广设计检查 SMART-AI 对患者健康结果的治疗效果。

研究设计：开启 SMART-AI 工具的那一天将标志着实施期的开始。 该工具将在 PDSA 周期中经过几个月的推出进行评估，以检查成瘾咨询的主要结果。 SMART-AI 研究干预样本包括所有住院患者，这些患者从 NLP CDS 工具中筛查出阿片类药物滥用呈阳性。 主要有效性衡量标准是 NLP CDS 干预样本中被筛查出阿片类药物滥用呈阳性并接受住院成瘾咨询服务干预的住院患者的百分比。 通过回顾性地将 NLP CDS 工具应用于 2023 年 3 月本研究开始前两年的所有住院患者 EHR 记录，得出对照样本。 在 NLP CDS 工具下回顾性筛查阳性的住院患者将构成常规护理对照组。