改善健康结果帮助一下我们的朋友——人工智能
期间我们更好的卫生挑战,当我们从我们的朋友有一点帮助,家庭和社区。也许人工智能的协助。
南卡罗来纳医科大学的研究人员(音乐)训练有素的自然语言处理(NLP)软件寻找提到的社会隔离在临床电子笔记健康记录(EHR)。NLP是一种人工智能,试图使人类语言“可读性”电脑。一旦接受音乐训练的团队,NLP识别社会孤立病人有90%的准确度。研究结果发表在生物医学中心医学信息学和决策。
社会孤立的“健康问题社会决定因素”,一个人的生活的方方面面,影响健康和健康。其他社会决定因素的例子有收入、教育、种族、和婚姻状况。这些社会决定因素所示临床试验影响健康结果尽可能多的高血压和糖尿病等通常的嫌疑人。
“我们知道小心证据表明社会决定因素是很重要的卫生保健和健康结果Chanita Hughes-Halbert博士,资深作者的文章。
“社会隔离是一个非常重要的社会决定因素,因为它反映了人们在多大程度上认为他们有一个高水平的连通性和支持。”
Hughes-Halbert是音乐的精神病学和行为科学教授。她还指导中心由美国国立卫生研究院(NIH)专注于精密医学和少数男性健康音乐目的就是癌症中心。
“我们中心的任务是确定的社会、临床、心理和行为数据和基因组信息相互作用导致疾病风险和影响男性如何应对治疗方案,“Hughes-Halbert解释道。
“作为的一部分,我们真正感兴趣的社会决定因素发挥的作用。”
像许多团队使用人工智能解锁见解嵌入式EHR,音乐团队搭配主题专家,Hughes-Halbert,生物信息学的团队。
生物信息学团队是由Leslie Lenert医学博士首席研究信息官女士,音乐和音乐的生物医学信息学中心主任(BMIC)。其他团队成员包括薇薇恩·朱,医学博士,硕士,这篇文章的第一作者,圣战奥贝德M。D, BMIC,布莱恩·邦内尔博士,美国精神病学与行为科学。
团队一起想办法帮助医生提供保健意识的影响病人的健康问题社会决定因素,包括社会隔离。
国家医学研究院呼吁医生文档EHR的社会决定因素。然而,忙碌的医生并不总是有时间这样做。即使他们这样做了,当前的EHR没有地方输入信息的编码数据的社会决定因素。在最好的情况下,医生与病人讨论可以提到一个关于社交孤立的临床讲义。
“当人们去看医生时,他们谈论社会隔离和其他的健康决定因素。但你不会发现编码数据,”朱解释道。
“你必须看看临床指出,就是嵌入的信息。”
需要人类的许多个月整理笔记寻找提到的社会隔离。相比之下,NLP软件梳理516临床指出从3138年由150990个文档前列腺癌患者在训练数据集在短短八秒。
“我不知道有多少成千上万的文件在这个前列腺癌的数据集,”Lenert解释道。
“这是对一个人太多的通过抽象,但它是相对容易的电脑。”
一旦训练,NLP可以分析一组新的文件从1057年病人和识别患者社会孤立的准确率达到了90%。
“这是非常准确的,”Lenert说。“它表现良好,但问题是,一些医生不评论这些问题,所以不要离开NLP遵循的轨迹。”
人工智能可以帮助这里。Lenert和生物信息学团队希望他们可以使用另一种类型的人工智能被称为机器学习识别哪些临床和其他社会隔离病人的典型特点。机器学习可以搜索患者EHR星座的特质。它能够识别社会隔离病人即使医生没有明确提及社会隔离的临床讲义。
未来的研究将需要开发和测试干预社会孤立的病人。现在,这些患者可以为医院和社区支持服务。
NLP策略开发的音乐团队也适用于其他社会决定因素的健康,尤其是那些不能作为编码数据输入,和其他疾病。团队已经使用NLP识别患者金融不安全感和酗酒。
音乐很大程度上得益于专长NLP的nih南卡罗来纳州临床与转化(SCTR)研究所。SCTR是临床与转化科学奖项位于音乐中心。
“一般在NLP中的专业知识,基础设施的访问记录,和一些支持软件来自SCTR,“Lenert说。
从某种意义上说,医生NLP可以帮助“倾听”病人更好,理解他们的卫生挑战的大背景下他们的生活,并提供更明智的和细致的护理。
“有时候医生过分关注“医疗”问题并没有给予足够的关注,人们所处的环境和社会方面,影响他们的健康,”Lenert说。
“我们的研究再一次强调了了解这些信息的重要性提供病人最好的治疗。”