人工智能工具可以在患者的健康记录中快速检测到注射毒品的迹象
一种结合了自然语言处理和机器学习的自动化过程,比目前依赖人工记录审查的方法更快、更准确地识别出电子健康记录中注射毒品的人(PWID)。
目前,注射吸毒者的身份是通过患者的“国际疾病分类”(ICD)代码确定的。电子健康由医疗保健提供者提供的记录,或由训练有素的人工编码员从这些记录中提取,以用于计费目的。但是没有特定的ICD代码注射吸毒,因此提供者和编码员必须依赖非特定代码的组合作为代理来识别pwidd——这种方法很慢,可能导致不准确。
研究人员手工审查了2003年至2014年退伍军人管理局医院收治的1000例金黄色葡萄球菌菌血症患者的记录,金黄色葡萄球菌菌血症是一种常见的感染,当细菌进入皮肤开口时,比如注射部位的皮肤开口。然后他们开发和训练算法使用自然语言处理和机器学习,并将它们与11种ICD代码的代理组合进行比较,以识别PWIDs。
该研究的局限性包括提供者的文件可能不完善。此外,使用的数据集是2003年至2014年的数据集,但注射毒品使用流行已从2003年转向2014年处方阿片类药物从海洛因到芬太尼等合成阿片类药物,算法可能会漏掉这些,因为它学习分类的数据集没有很多这种药物的例子。最后,这些发现可能不适用于其他情况,因为它们完全基于退伍军人管理局的数据。
这种人工智能模型的使用显著加快了识别PWIDs的过程,这可以改善临床决策、卫生服务研究和行政监督。
通过使用自然语言处理和机器学习该研究的主要作者、加州大学洛杉矶分校大卫·格芬医学院传染病系医学助理教授大卫·古德曼-梅扎博士说:“在美国,我们可以在几分钟内通过数千张笔记识别出注射毒品的人,而手动审稿人需要几周时间才能做到这一点。”“这将允许卫生系统确定PWIDs,以便更好地分配资源,如注射器服务项目,以及为吸毒者提供物质使用和心理健康治疗。”
这项研究发表在同行评审期刊上传染病公开论坛.